مواد مخدر: هوش مصنوعی گزارش سفر هزاران نفر از مصرف کنندگان مواد را تجزیه و تحلیل می کند

الگوریتم تشخیص الگو 6850 گزارش از تجربیات افراد با 27 دارو را بررسی کرد تا در مورد چگونگی تغییر هوشیاری بیشتر بداند.

توسط متیو اسپارکس

هوش مصنوعی برای تجزیه و تحلیل هزاران گزارش مکتوب از تجربیات شخصی با داروهای روانگردان استفاده شده است تا درک بهتری از اثرات ذهنی آنها و نحوه عملکرد آنها در مغز به دست آید.

داروهای روانگردان مانند LSD، کتامین و سیلوسایبین – ترکیب فعال قارچ جادویی – به عنوان درمان برای طیف وسیعی از شرایط، از جمله افسردگی، اعتیاد و اختلال استرس پس از سانحه مورد بررسی قرار می گیرند. تجربیاتی که آنها برانگیخته می شوند، که ممکن است برای اثرات درمانی آنها مهم باشد، بسیار متغیر هستند و ممکن است شامل توهمات بینایی و شنوایی، تغییر احساس از خود، و درک تحریف شده از زمان باشند.

دانیلو بزدوک از دانشگاه مک گیل در مونترال کانادا و همکارانش از یک الگوریتم تشخیص الگو برای غربالگری 6850 حساب آزمایشی ارسال شده در وب سایت Erowid استفاده کردند که شامل 27 داروی مختلف است.

آنها کلماتی که در محاسبات هر دارو استفاده می شود، مانند “سرخوشی”، “تهوع” یا “تجسم” را با هر یک از 40 گیرنده در مغز که دارو با آنها تداخل دارد مرتبط کردند و اثرات دارو را در مناطقی ترسیم کردند. مغز جایی که این گیرنده ها بیشتر فعال هستند.

محققان که برای مصاحبه در دسترس نبودند، امیدوارند که کار آنها به شناسایی داروهایی که ممکن است اثرات ذهنی خاصی را ایجاد کنند کمک کند و چارچوبی برای توسعه درمان‌های مبتنی بر دارو در آینده فراهم کند.

دانیل بارون از بیمارستان بریگام و زنان در بوستون، که در این مطالعه شرکت نداشت، می‌گوید: اگرچه این ابزار هنوز برای استفاده بالینی آماده نیست، اما امیدوارکننده است. او می‌گوید: «ایده اصلی این است که اگر بتوانید تشخیص دهید که یک داروی خاص و عملکرد مغز رابطه قابل پیش‌بینی دارند، راه را برای درک اینکه آیا آن تغییر و در نتیجه این دارو از نظر بالینی مفید است، هموار می‌شود.

او می‌گوید: «تاریخ فرهنگی نشان می‌دهد که پتانسیل زیادی در ارتباط با این داروهای روان‌گردان وجود دارد، اما هر کاربرد بالینی مستلزم آن است که داروی مناسب با دوز مناسب برای بیمار مناسب در زمان مناسب تجویز شود.»

مرجع مجله: پیشرفت علم، DOI: 10.1126 / sciadv.abl6989