U.K.లోని క్వీన్ మేరీ యూనివర్సిటీ ఆఫ్ లండన్ పరిశోధకుల ప్రకారం, ఒక కొత్త పరీక్ష 82% ఖచ్చితత్వంతో చిత్తవైకల్యాన్ని అంచనా వేయగలదు.
చిత్తవైకల్యం ఉన్న మరియు లేని వ్యక్తుల 1,111 ఫంక్షనల్ మాగ్నెటిక్ రెసొనెన్స్ ఇమేజింగ్ (fMRI) స్కాన్‌లను విశ్లేషించి, పరిశోధకులు మెషీన్ లెర్నింగ్ ఉపయోగించి ఒక నమూనాను రూపొందించారు. రోగ నిర్ధారణకు తొమ్మిదేళ్ల ముందు చిత్తవైకల్యం యొక్క టెల్ టేల్ సంకేతాలను ఇది గుర్తించిందని వారు చెప్పారు.
మోడల్ మెదడు యొక్క డిఫాల్ట్ మోడ్ నెట్‌వర్క్ (DMN) విశ్వసనీయ మూలంలో మార్పులను గుర్తిస్తుంది. ఒక వ్యక్తి ఎఫ్‌ఎమ్‌ఆర్‌ఐ స్కానర్‌లో పడుకుని, ఏమీ చేయకుండా ఉన్నప్పుడు DMN సక్రియంగా ఉంటుంది. DMN రాష్ట్రం ఇతర కార్యకలాపాలతో పాటు పగటి కలలు మరియు ఆత్మపరిశీలనలో పాత్ర పోషిస్తుందని నమ్ముతారు. ఒక వ్యక్తి విశ్రాంతిగా ఉన్నప్పుడు లేదా స్వీయ-సూచన ఆలోచనలో నిమగ్నమై ఉన్నప్పుడు ఇది మరింత చురుకుగా ఉంటుంది.
పరిశోధకులు UK బయోబ్యాంక్ నుండి అధ్యయనంలో ఉపయోగించిన fMRI స్కాన్‌లను సేకరించారు. పాల్గొనేవారిలో 81 మంది వ్యక్తులు ఉన్నారు, వారు వారి స్కాన్లు తీసుకున్న సమయంలో చిత్తవైకల్యం ఉన్నట్లు నిర్ధారణ కాలేదు, కానీ వారు తొమ్మిది సంవత్సరాల తర్వాత పరిస్థితిని అభివృద్ధి చేశారు. పోలిక కోసం, 1,030 మంది వ్యక్తులు అధ్యయనం కోసం సరిపోలిన నియంత్రణలుగా పనిచేశారు.
పరిశోధకులు DMNలోని 10 కీలక ప్రాంతాల మధ్య డిస్‌కనెక్ట్‌లను పరిశీలించారు, వారి నమూనాను రూపొందించడానికి యంత్ర అభ్యాసాన్ని ఉపయోగించారు.వారు పాల్గొనేవారి వైద్య రికార్డులకు వారి నమూనాను వర్తింపజేసినప్పుడు, అటువంటి రోగనిర్ధారణ సంభవించినప్పుడు రెండు సంవత్సరాల విండోలో చిత్తవైకల్యాన్ని ఖచ్చితంగా అంచనా వేసినట్లు వారు కనుగొన్నారు.
అధ్యయనం యొక్క రచయితలు DMN డిస్‌కనెక్టివిటీ మరియు వివిధ చిత్తవైకల్యం ప్రమాద కారకాల మధ్య అనుబంధాల కోసం కూడా చూశారు. వారు మోడల్ మరియు సోషల్ ఐసోలేషన్ మధ్య సంబంధాలను కనుగొన్నారు - ఇది అల్జీమర్స్ వ్యాధిని అభివృద్ధి చేసే సంభావ్యతతో ముడిపడి ఉంది - అలాగే పరిస్థితికి జన్యుపరమైన ప్రమాదం.
ముందస్తుగా గుర్తించడం అనేది చిత్తవైకల్యాన్ని నిరోధించే లేదా నిరోధించే ముందస్తు జోక్యాలకు ఒక రోజు అవకాశం కల్పిస్తుందని ఆశ.
