“تغییرات تقریباً در تمام مناطق مغز”

یک مطالعه جامع نشانگرهای زیستی واضحی را در اسکن MRI کودکان مبتلا به اختلال نقص توجه/بیش فعالی (ADHD) پیدا کرده است.

یافته های این مطالعه اخیراً در نشست سالانه سازمان ارائه شده است انجمن رادیولوژی آمریکای شمالی (RSNA). این مطالعه همچنین استفاده بالقوه از یادگیری ماشینی تصویربرداری عصبی را در تشخیص، برنامه ریزی درمان و نظارت بر این اختلال نشان داد.

ADHD، یکی از شایع ترین اختلالات عصبی رشدی در دوران کودکی، حدود 6 میلیون کودک آمریکایی بین سنین 3 تا 17 سال را تحت تاثیر قرار می دهد. SciTechDaily. علائم این اختلال شامل مشکل در توجه و کنترل رفتارهای تکانشی یا بیش از حد فعال بودن است. این اختلال توسط مراقب کودک تشخیص داده می شود که شامل چک لیستی برای ارزیابی وجود علائم ADHD است.

هوانگ لین، یکی از نویسندگان این مطالعه، محقق فوق لیسانس در دانشکده پزشکی ییل در نیوهون، کانکتیکات، گفت: «نیاز به یک روش عینی تر برای تشخیص کارآمدتر و قابل اعتمادتر است. علائم ADHD اغلب تشخیص داده نمی شوند یا اشتباه تشخیص داده می شوند زیرا ارزیابی ذهنی است.

برای تجزیه و تحلیل، محققان از داده های MRI از مطالعه رشد شناختی مغز نوجوانان (ABCD) استفاده کردند، که بزرگترین مطالعه بلندمدت رشد مغز و سلامت کودک در ایالات متحده است. از مطالعه ABCD، داده‌های 7805 کودک 9-10 ساله، از جمله 1798 کودک مبتلا به ADHD مورد تجزیه و تحلیل قرار گرفت.

لین گفت: “میزان جمعیتی گروه ما منعکس کننده جمعیت ایالات متحده است و نتایج ما را از نظر بالینی برای جمعیت عمومی قابل استفاده است.”

پس از تجزیه و تحلیل، ارتباط ADHD با معیارهای تصویربرداری عصبی، از جمله حجم مغز، مساحت سطح، یکپارچگی ماده سفید و اتصال عملکردی مورد مطالعه قرار گرفت.

لین خاطرنشان کرد: «تقریباً در تمام مناطق مغزی که بررسی کردیم، تغییراتی پیدا کردیم. فراگیر شدن در سراسر مغز شگفت‌آور بود زیرا بسیاری از مطالعات قبلی تغییراتی را در مناطق انتخابی مغز شناسایی کرده‌اند.

اتصال غیرطبیعی در شبکه های مغزی درگیر در حافظه و پردازش شنوایی، نازک شدن قشر مغز و تغییرات ریزساختاری ماده سفید مشخص در بیماران ADHD یافت شد.

لین گفت: “مطالعه ما تاکید می کند که ADHD یک اختلال عصبی با تظاهرات عصبی-ساختاری و عملکردی در مغز است، نه فقط یک سندرم رفتاری صرفا بیرونی.”

در مواقعی که تشخیص بالینی مورد تردید است، اسکن‌های عینی MRI مغز می‌تواند به شناسایی واضح کودکان مبتلا کمک کند. بیومارکرهای عینی MRI را می توان برای تصمیم گیری در تشخیص ADHD، برنامه ریزی درمان و نظارت بر درمان استفاده کرد.

محقق همچنین مطمئن است که داده‌های MRI آن‌ها به اندازه‌ای قابل توجه است که به عنوان ورودی برای مدل‌های یادگیری ماشینی برای پیش‌بینی تشخیص ADHD استفاده شود. یادگیری ماشینی قادر به تجزیه و تحلیل مقادیر زیادی از داده های MRI خواهد بود.

یک مطالعه جداگانه نشان داد که کافئین می تواند یک درمان احتمالی برای برخی از علائم ADHD باشد. خاویر وازکز از دانشگاه اوبرتا د کاتالونیا (UOC)، یکی از محققان، می‌گوید: “زرادخانه درمانی برای کاهش ADHD محدود است و در مورد استفاده از برخی از انواع داروها و محرک‌ها، به ویژه در دوران کودکی و نوجوانی، اختلاف نظر وجود دارد.” نویسندگان اصلی مطالعه جدید، گفت در انتشار خبری UOC. به همین دلیل است که مطالعه اثربخشی سایر مواد مانند کافئین مفید است.