هوش مصنوعی پیر شدن سریع‌تر مغز را در خواب تشخیص می‌دهد: پیش‌بینی ابتلا به زوال عقل

امواج مغزی انسان هنگام خواب اطلاعات ارزشمندی درباره سلامت ذهنی ارائه می‌دهند. محققان دانشگاه کالیفرنیا سانفرانسیسکو و مرکز پزشکی Beth Israel دستاورد جدیدی ارائه کرده‌اند. آن‌ها الگوریتم هوش مصنوعی جدیدی برای بررسی امواج مغزی خواب طراحی کردند. این سیستم علمی پیش‌بینی خطرات زوال عقل را سال‌ها قبل از بروز علائم حافظه‌ای ممکن می‌سازد.

پژوهشگران با کمک این فناوری، «سن تخمینی مغز» را محاسبه می‌کنند. اگر سن مغزی فرد از سن واقعی او بالاتر باشد، خطر ابتلا به زوال عقل افزایش می‌یابد.

محاسبه سن واقعی مغز از طریق امواج الکتریکی خواب

دانشمندان نوار مغزی یا نوار مغزی خواب (EEG) حدود ۷۰۰۰ فرد بزرگسال را بررسی کردند. هوش مصنوعی ۱۳ ویژگی ریز در نوار مغزی را ارزیابی می‌کند. نتایج پژوهش نشان داد پیرتر بودن مغز نسبت به سن واقعی، خطر زوال عقل را بالا می‌برد.

تحلیل داده‌ها مشخص کرد به ازای هر ۱۰ سال پیری بیشتر مغز، احتمال بروز زوال عقل نزدیک به ۴۰ درصد افزایش می‌یابد. در مقابل، افرادی با مغز جوان‌تر، خطر بسیار کمتری برای ابتلا به اختلالات شناختی داشتند.

الگوهای امواج مغزی و تقویت حافظه در طول شب

پژوهشگران الگوهای مختلفی را در نوار مغزی شناسایی کردند. برای نمونه، امواج دلتا در طول خواب عمیق از سلامت شناختی و تثبیت حافظه پشتیبانی می‌کنند. همچنین دوک‌های خواب (Sleep Spindles) به ذخیره اطلاعات در مغز کمک می‌کنند.

هوش مصنوعی تغییرات این امواج را ارزیابی می‌کند. دستگاه‌های هوشمند پوشیدنی در آینده می‌توانند این نوار مغزی را ثبت کنند. در نتیجه، ارزیابی خطر زوال عقل در خانه و بدون روش‌های تهاجمی امکان‌پذیر می‌شود.

چشم‌اندازهای جدید برای پیشگیری از پیری زودرس مغز

دکتر ینگ لنگ (Ying Leng)، از پژوهشگران این مطالعه، درباره اهمیت کیفیت خواب صحبت کرده است. او معتقد است فعالیت مغز در خواب پنجره‌ای ارزشمند برای سنجش سلامت عصبی ارائه می‌دهد.

بهبود کیفیت و بهداشت خواب می‌تواند سن عملکردی مغز را کاهش دهد. این دستاورد علمی راهکارهای نوینی برای غربالگری زوال عقل و تشخیص زودهنگام بیماری‌های مغزی پیش روی متخصصان قرار می‌دهد.

شناسنامه و منبع مقاله علمی

• عنوان اصلی مقاله: AI can tell if your brain is aging faster than you are

• نویسندگان: Y. Leng, R. J. Thomas, M. B. Westover et al. (University of California, San Francisco & Beth Israel Deaconess Medical Center)

• مرجع و مجله: JAMA Network Open / ScienceDaily

• شماره ثبت مقاله (PMCID / DOI): JAMA Netw Open. 2026; doi:10.1001/jamanetworkopen.2026

• لینک دسترسی مستقیم به مقاله علمی: https://www.sciencedaily.com/releases/2026/07/260729051540.htm