এআই ও বিরল স্নায়বিক & নিউরোইমিউন রোগ ── 2026-10-25
স্নায়বিক বিরল ও নিউরোইমিউন রোগ এবং এআই নিয়ে নতুন গবেষণাপত্র, যা জার্নাল ফিড, PubMed (সব জার্নালে অনুসন্ধান) এবং OpenAlex (Google Scholar-এর বদলে ব্যবহৃত একটি পাবলিক ইনডেক্স) থেকে সংগৃহীত এবং Jev (ভাষাগত বিচার করা একটি এআই) দ্বারা বিচারিত: মৌলিক গবেষণা, এআই কেন্দ্রীয়, ৯টি রোগ-গোষ্ঠীর কোনটি, চিকিৎসা বা ট্রায়াল, এবং তারপর দৈনিক সীমা পর্যন্ত গুরুত্ব অনুযায়ী ক্রমানুসারে সাজানো। জার্নাল ইমপ্যাক্ট ফ্যাক্টর দিয়ে ছাঁটাই করা হয় না; প্রতিটি গবেষণাপত্রে তার জার্নালের IF-সমতুল্য (OpenAlex দুই-বছরের গড় সাইটেডনেস) এবং সেই মানের তারিখ দেখানো হয়। প্রতিটি এন্ট্রিতে মূল অ্যাবস্ট্র্যাক্ট সম্পূর্ণ দেখানো হয়।
রোগ অনুযায়ী পড়ুন: মৌলিক গবেষণা（1） · এএলএস（0） · পারকিনসন'স（0） · বংশগত নিউরোডিজেনারেশন（0） · স্নায়ু-পেশি সংক্রান্ত（0） · মাল্টিপল স্ক্লেরোসিস（1） · NMOSD/MOGAD（0） · মায়াস্থেনিয়া গ্র্যাভিস（0） · অটোইমিউন এনসেফালাইটিস/CIDP/GBS（0）
নিউরোডিজেনারেশন ও নিউরোইমিউনোলজি গবেষণা এবং AI
- সারসংক্ষেপ
এই গবেষণার লক্ষ্য ছিল T1-ওয়েটেড ব্রেন MRI-তে ঊর্ধ্ব কার্ভাইকাল স্পাইনাল কর্ডের (SC) ভার্টিব্রাল লেভেল শনাক্তকরণের (C1–C3) একটি সম্পূর্ণ স্বয়ংক্রিয় পাইপলাইন তৈরি ও যাচাই করা, সঙ্গে উৎপন্ন মাস্কগুলি মূল্যায়নের জন্য একটি কোয়ালিটি কন্ট্রোল মডিউল। C1–C3 লেভেলের স্বয়ংক্রিয় ভার্টিব্রাল লেবেলিংয়ের জন্য ডিপ লার্নিং মডেল (nnU-Net, U-Net with deep supervision, SwinUNETR) প্রশিক্ষণে 998 জন কন্ট্রোল এবং বংশগত অ্যাটাক্সিয়ায় আক্রান্ত 879 জন রোগীর MRI ডেটা (32টি কেন্দ্র; বয়স 5–85 বছর; 46% পুরুষ) ব্যবহার করা হয়। VGG, ResNet এবং EfficientNet আর্কিটেকচারের ভিত্তিতে একটি গৌণ মডেল ভার্টিব্রাল লেবেলিং ত্রুটি শনাক্ত করতে প্রশিক্ষণ দেওয়া হয়। পাইপলাইনটি আরও ইমেজ কোয়ালিটি মেট্রিক তৈরি করে, যার মধ্যে রয়েছে সিগন্যাল-টু-নয়েজ রেশিও, কনট্রাস্ট-টু-নয়েজ রেশিও, কোঅফিসিয়েন্ট অফ জয়েন্ট ভেরিয়েশন এবং এনট্রপি ফোকাস ক্রাইটেরিয়ন। চারটি পাবলিক ডেটাসেট থেকে নেওয়া 2737টি MRI ব্যবহার করে বহিঃস্থ যাচাই করা হয়, এবং মাল্টিপল স্ক্লেরোসিসে আক্রান্ত 51 জন রোগীর একটি লংগিটিউডিনাল কোহোর্টে ক্লিনিকাল উপযোগিতা প্রদর্শিত হয়। nnU-Net সর্বোচ্চ কার্যকারিতা অর্জন করে (Dice: C1 = 0.85, C2 = 0.89, C3 = 0.89) এবং Spinal Cord Toolbox-এর ভুল লেবেল করা কেসগুলির 95.8% সঠিকভাবে লেবেল করে। VGG-ভিত্তিক ক্লাসিফায়ার 97.9% নির্ভুলতা এবং 98.7% সংবেদনশীলতা অর্জন করে। বহিঃস্থ যাচাইয়ে পাঁচটি ডেটাসেটের চারটিতে 92%-এর বেশি লেবেলিং নির্ভুলতা এবং মাল্টিপল স্ক্লেরোসিসে লংগিটিউডিনাল SC অ্যাট্রোফির প্রতি সংবেদনশীলতা দেখা যায়। এই পাইপলাইনটি মাল্টিসেন্টার গবেষণার জন্য ঊর্ধ্ব কার্ভাইকাল SC-এর স্কেলেবল, নির্ভরযোগ্য ভার্টিব্রাল লেবেলিং এবং মরফোমেট্রিক নিষ্কাশন সম্ভব করে এবং নিউরোডিজেনারেটিভ রোগে বায়োমার্কার উন্নয়নকে সমর্থন করে।
জার্নাল IF-সমতুল্য: 13.9 (OpenAlex 2-বছরের গড় উদ্ধৃতি মান, 2026-10-18 অনুযায়ী মান, 2026-10-19 তারিখে সংগৃহীত; অফিসিয়াল Clarivate IF নয়)রেফারেন্স: Jarola GM, Shiraishi DH, Adanyeguh IM, Ashizawa T, Barsottini OGP, Bender B, et al. ব্রেন MRI থেকে সার্ভাইকাল স্পাইনাল কর্ডের ভার্টিব্রাল লেবেলিং ও মরফোমেট্রিক এক্সট্র্যাকশন স্বয়ংক্রিয়ভাবে করার জন্য ডিপ লার্নিং ফ্রেমওয়ার্ক, বৃহৎ মাল্টিসেন্টার ভ্যালিডেশনসহ। npj Digit Med. 2026 Oct 23 [Epub ahead of print]. doi:10.1038/s41746-026-03403-w.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
মৌলিক গবেষণার সব 1টি পেপার দেখুন →
ALS: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
পার্কিনসন্স রোগ ও পার্কিনসনিজম: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
বংশগত নিউরোডিজেনারেটিভ রোগ: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
স্নায়ু-পেশি রোগ (মাসকুলার ডিস্ট্রোফি, SMA): চিকিৎসা, ট্রায়াল ও AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
মাল্টিপল স্ক্লেরোসিস: চিকিৎসা, ট্রায়াল ও এআই
- সারসংক্ষেপ
ভার্চুয়াল রিয়েলিটি (VR)-তে ভারসাম্য বোঝা গুরুত্বপূর্ণ, শুধু একজন ব্যবহারকারী স্থিতিশীল না অস্থিতিশীল তা পরিমাপ করার জন্যই নয়, বরং নিমজ্জনশীল মিথস্ক্রিয়ার সময় স্থিতিশীলতা কীভাবে বজায় থাকে তা ব্যাখ্যা করার জন্যও। মাল্টিপল স্ক্লেরোসিস (MS)-এ আক্রান্ত ব্যক্তিদের জন্য এটি বিশেষভাবে গুরুত্বপূর্ণ, কারণ সামগ্রিক ভারসাম্যের একই রকম মাত্রা ভিন্ন ব্যক্তির ক্ষেত্রে ভিন্ন গতির প্যাটার্নের সঙ্গে যুক্ত থাকতে পারে। বিদ্যমান VR-ভিত্তিক পদ্ধতিগুলো সাধারণত কাঁচা দোলা (sway) সংকেত, সমকালীন বৈধতার তুলনা বা নির্দিষ্ট কাজভিত্তিক শ্রেণিবিন্যাসের ওপর গুরুত্ব দেয়, এবং খুব কমই ভারসাম্যকে একটি একক অবিচ্ছিন্ন পরিমাপ হিসেবে ধরে বা স্থিতিশীলতা বজায় রাখার পেছনের গতির প্যাটার্ন ব্যাখ্যা করে। 37 জন অংশগ্রহণকারীর (15 জন MS, 22 জন অ-MS) হেড-মাউন্টেড ডিসপ্লে (HMD), কন্ট্রোলার, চাপকেন্দ্র (center-of-pressure, CoP) এবং মোশন-ক্যাপচার রেকর্ডিং-এর একটি জনসাধারণের জন্য উন্মুক্ত মাল্টিমোডাল ডেটাসেট ব্যবহার করে, আমরা HMD ও কন্ট্রোলার মোশন সেন্সর থেকে ভারসাম্য ক্ষমতা অনুমান ও ব্যাখ্যা করার জন্য একটি তিন-পর্যায়ের কাঠামো উপস্থাপন করছি। প্রথমত, আমরা প্রচলিত CoP বৈশিষ্ট্য থেকে একটি অবিচ্ছিন্ন CoP-ভিত্তিক ভারসাম্য স্কোর তৈরি করি, যা ভারসাম্যকে একটি একক যোগাযোগযোগ্য পরিমাপ হিসেবে উপস্থাপন করে, এবং MS ও অ-MS অংশগ্রহণকারীদের মধ্যে এর ধারাবাহিকতা পরীক্ষা করি। দ্বিতীয়ত, আমরা মেশিন লার্নিং ব্যবহার করে HMD ও কন্ট্রোলার সেন্সর থেকে এই স্কোর অনুমান করি। তৃতীয়ত, আমরা সামগ্রিক ভারসাম্য-স্কোরের তীব্রতার বাইরে অন্বেষণমূলক প্যাটার্ন শনাক্ত করতে VR গতি বিশ্লেষণ করি এবং MS ও অ-MS গোষ্ঠীর মধ্যে সেগুলোর অংশগ্রহণকারী-স্তরের প্রাদুর্ভাব ভিন্ন কিনা তা পরীক্ষা করি। ভারসাম্য স্কোরটি মাঝারি মাত্রার ট্রায়াল-মধ্যবর্তী নির্ভরযোগ্যতা দেখিয়েছে এবং MS ও অ-MS গোষ্ঠীতে বৈশিষ্ট্য-থেকে-স্কোর সম্পর্কের একই রকম প্যাটার্ন দেখা গেছে। অনুমানগুলো দুটি স্তরে মূল্যায়ন করা হয়েছে: উইন্ডো স্তর, যা HMD ও কন্ট্রোলার থেকে পাওয়া VR মোশন-সেন্সর ডেটার ছোট অংশ ব্যবহার করে, এবং অংশগ্রহণকারী স্তর, যা একজন অংশগ্রহণকারীর সব অংশকে একটি একক অংশগ্রহণকারী-স্তরের অনুমানে একত্রিত করে। CatBoost সবচেয়ে ভালো সামগ্রিক পূর্বানুমানমূলক কর্মক্ষমতা দেখিয়েছে। উইন্ডো স্তরে এটি অর্জন করে R2 = 0.388, MAE = 0.597 এবং RMSE = 0.782। অংশগ্রহণকারী স্তরে এটি অর্জন করে R2 = 0.715, Pearson, r = 0.867 এবং Spearman, ρ = 0.838। ভারসাম্য স্কোরটি মোশন-ক্যাপচার-ভিত্তিক ভরকেন্দ্র (center-of-mass, CoM)-এর গড় বেগের সঙ্গেও সামঞ্জস্যপূর্ণ ছিল, যা উপলব্ধ ডেটাসেটের মধ্যে অতিরিক্ত বায়োমেকানিক্যাল ভিত্তি প্রদান করে। গতি-প্যাটার্ন বিশ্লেষণ দুটি স্বতন্ত্র অন্বেষণমূলক প্যাটার্ন শনাক্ত করেছে: নিম্ন মাথা-প্রাধান্য (Lower head-dominance) প্যাটার্ন, যেখানে তুলনামূলকভাবে হাতের অবদান বেশি, এবং মাথা-প্রাধান্য (Head-dominant) প্যাটার্ন, যেখানে তুলনামূলকভাবে মাথার অবদান বেশি। যদিও বর্ণনামূলক উইন্ডো স্তরে MS-আক্রান্ত অংশগ্রহণকারীদের মধ্যে মাথা-প্রাধান্য প্যাটার্নটি বেশি ঘন ঘন দেখা গিয়েছিল, অংশগ্রহণকারী-স্তরের তুলনা গোষ্ঠীগত পার্থক্যের পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ কোনো প্রমাণ দেয়নি। এই ফলাফলগুলো নির্দেশ করে যে শুধু VR হেডসেট ও কন্ট্রোলারের গতি দিয়েই ভারসাম্য ক্ষমতার অংশগ্রহণকারী-স্তরের অনুমান করা সম্ভব, পাশাপাশি নিমজ্জনশীল মিথস্ক্রিয়ার সময় মাথা ও হাতের গতির আপেক্ষিক বিন্যাস সম্পর্কে অন্বেষণমূলক অন্তর্দৃষ্টিও পাওয়া যায়।
জার্নাল IF: অজানা (মেলানো যায়নি)রেফারেন্স: Pavel MI, Anjum N, Cordova A, Quarles J, Mahmud MR. VR মোশন সেন্সর থেকে ভারসাম্য ক্ষমতার পূর্বাভাস এবং নিয়ন্ত্রণ কৌশলের ব্যাখ্যা: মাল্টিপল স্ক্লেরোসিসের জন্য ব্যাখ্যাযোগ্য CoP-নির্ণীত ভারসাম্য স্কোর পদ্ধতি। Proceedings of the 2026 28th International ACM SIGACCESS Conference on Computers and Accessibility. 2026 Oct 24 [Epub ahead of print]. doi:10.1145/3797867.3828977.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
মাল্টিপল স্ক্লেরোসিসের সব 1টি পেপার দেখুন →
NMOSD ও MOGAD: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
মায়াস্থেনিয়া গ্র্যাভিস: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
অটোইমিউন এনসেফালাইটিস, CIDP ও গিয়াঁ-বারে সিন্ড্রোম: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।