پیشبینی رفتار و سلامتی افراد:
چرا مدلهای مغزی شکست می خورند؟
آجاک: پژوهشگران دانشگاه «ییل» با بررسی دلیلهای شکست مدلهای پیش بینی رفتار و سلامت افراد برمبنای الگوهای فعالیت مغز، پیشنهادهایی برای رفع اشکالات این شیوه مطرح کرده اند.
به گزارش گروه علم و آموزش ایرنا از «سای تک دیلی»، یادگیری ماشینی به دانشمندان در زمینه شناخت این که چگونه مغز خصوصیات پیچیده انسانی را ایجاد می کند، یاری رسانده و الگوهایی از فعالیت مغز در رابطه با فعالیتهایی مانند حافظه فعال (working memory)، خصوصیت هایی مانند اقدام پیش رانشی (impulsivity) و شرایطی مانند افسردگی را آشکار ساخته است.
دانشمندان می توانند از این شیوه ها برای ایجاد مدل هایی از این روابط استفاده نمایند که این مدلها هم سپس برای پیشبینی در رابطه با رفتار و سلامتی افراد قابل استفاده خواهد بود. اما این روش تنها در صورتی جواب می دهد که نمایانگر همه افراد باشد و تحقیقات گذشته نشان داده که اینطور نیست. برای هر مدلی، افرادی هستند که با آنها مطابقت ندارند.
محققان دانشگاه «ییل» این مسئله را آنالیز کرده اند که این مدلها در مورد چه کسانی ناکام می مانند و جواب نمی دهند و علت این مسئله چیست و برای اصلاح آن چه میتوان کرد؟
«ابیگیل گرین» از محققان این دانشگاه می گوید: مدلها به جهت اینکه مفید باشند، باید در مورد هر شخص کاربرد داشته باشند. اگر می خواهیم این نوع کارها را در کاربردهای بالینی (کلینیکی) مورد استفاده قرار دهیم، باید اطمینان داشته باشیم که این مدل در مورد بیماری که رو به روی ما نشسته است، کاربرد دارد.
گرین و همکارانش درحال بررسی دو رویکرد هستند که به اعتقاد آنها امکان دارد به مدلها کمک نماید تا طبقه بندی های روانپزشکی دقیق تری عرضه کنند؛ رویکرد اول دسته بندی دقیق تر جمعیت بیماران است. برای مثال، تشخیص شیزوفرنی محدوده وسیعی از سمپتوم ها (علائم) را دربرمی گیرد و امکان دارد از فردی به فرد دیگر تفاوت زیادی داشته باشد. محققان امکان دارد بتوانند افراد را به صورت دقیق تری دسته بندی کنند به شرط این که شناخت بهتری از مبنای عصبی شیزوفرنی داشته باشند.
دوم این که بعضی از خصوصیات مانند اقدام پیش رانشی (impulsivity یا عمل از روی انگیزه آنی و بدون فکر قبلی)، خصوصیت در ارتباط با شرایط مختلف هستند. شناخت پایه عصبی این مسئله امکان دارد به پزشکان کمک نماید که صرف نظر از تشخیص پزشکی، به طور موثرتری با آن نشانه برخورد کنند.
گرین می گوید: ما هر چه بهتر این زیرشاخه ها و گروههای فرعی را بشناسیم، بهتر قادر خواهیم بود که بهترین درمان مناسب را در پیش بگیریم. اما در وهله اول لازم است که مدلها عمومی سازی شوند تا در مورد همه افراد کاربرد داشته باشند.
گرین و همکارانش برای شناخت ناکامی مدلها ابتدا مدل هایی را آموزش دادند که بتوانند از الگوهای فعالیت مغزی بهره برده و پیشبینی کنند که یک فرد در تست های شناختی چقدر خوب امتیاز خواهد گرفت. این تیم تحقیقاتی سپس این مسئله را بررسی کرد که مدلها چه افرادی را به درستی طبقه بندی نکردند. آنها دریافتند که طبقه بندی اشتباه افراد با عامل های اجتماعی-آماری مانند سن و آموزش و عامل های بالینی مانند شدت علایم (سمپتوم) مرتبط بوده است.
در نهایت این محققان به این نتیجه رسیدند که مدلها تنها بازتاب دهنده توانایی شناختی نیستند بلکه بازتاب دهنده پروفایل های پیچیده تری هستند و مدلها در مورد افرادی که مطابق با آن پروفایل نیستند، شکست می خورند. این محققان چند سفارش برای کاهش این مشکل عرضه کرده و همچون گفته اند که دانشمندان در مرحله طراحی مطالعه باید راهبردهایی را به کار گیرند که تعصب را به حداقل رسانده و اعتبار سنجش های مورد استفاده را به حداکثر برساند.
این مطلب آجاک را پسندیدید؟
(0)
(0)
تازه ترینهای مرتبط
نظرات بینندگان در این باره