AI اور اعصابی نایاب & نیورو امیون بیماریاں ── 2026-10-25
اعصابی نایاب اور اعصابی مدافعتی بیماریوں اور AI سے متعلق نئے مقالے، جو جریدوں کے فیڈز، PubMed (تمام جریدوں میں تلاش کے ذریعے) اور OpenAlex (Google Scholar کی جگہ استعمال ہونے والا عوامی اشاریہ) سے جمع کیے گئے، اور Jev (زبان سے متعلق فیصلے کرنے والا ایک AI) نے جانچے: اصل تحقیق، AI مرکزی حیثیت میں، 9 بیماری گروپوں میں سے کون سا، علاج یا ٹرائلز، اور پھر روزانہ حد تک اہمیت کے لحاظ سے درجہ بند۔ جریدوں کو امپیکٹ فیکٹر کی بنیاد پر نہیں چھانٹا جاتا؛ ہر مقالہ اپنے جریدے کے IF کے مساوی (OpenAlex کی دو سالہ اوسط حوالہ جاتی شرح) اور اس قدر کی تاریخ دکھاتا ہے۔ ہر اندراج مکمل اصل خلاصہ دکھاتا ہے۔
بیماری کے مطابق پڑھیں: بنیادی تحقیق（1） · اے ایل ایس（0） · پارکنسنز（0） · موروثی اعصابی تنزلی（0） · اعصابی و عضلاتی（0） · ملٹی پل سکلروسیس（1） · NMOSD/MOGAD（0） · میستھینیا گریوس（0） · آٹو امیون اینسیفلائٹس/CIDP/GBS（0）
نیوروڈیجنریشن اور نیورو امیونولوجی پر تحقیق اور AI
- خلاصہ
اس مطالعے کا مقصد T1-weighted برین ایم آر آئی میں بالائی گردنی ریڑھ کی نالی (SC) کی مہرہ سطح کی نشاندہی (C1–C3) کے لیے ایک مکمل طور پر خودکار پائپ لائن تیار کرنا اور اس کی توثیق کرنا تھا، جس میں تیار شدہ ماسک کا جائزہ لینے کے لیے کوالٹی کنٹرول ماڈیول شامل تھا۔ 998 کنٹرولز اور وراثتی اٹیکسیا کے 879 مریضوں (32 مقامات؛ عمر 5–85 سال؛ 46% مرد) کے ایم آر آئی ڈیٹا کو C1–C3 سطحوں کی خودکار مہرہ لیبلنگ کے لیے ڈیپ لرننگ ماڈلز (nnU-Net، deep supervision کے ساتھ U-Net، SwinUNETR) کی تربیت میں استعمال کیا گیا۔ VGG، ResNet، اور EfficientNet آرکیٹیکچرز پر مبنی ایک ثانوی ماڈیول کو مہرہ لیبلنگ کی غلطیوں کی نشاندہی کے لیے تربیت دی گئی۔ پائپ لائن سگنل ٹو نائز ریشو، کنٹراسٹ ٹو نائز ریشو، کوئیفیشنٹ آف جوائنٹ ویری ایشن، اور اینٹروپی فوکس کریٹریئن سمیت امیج کوالٹی میٹرکس بھی تیار کرتی ہے۔ بیرونی توثیق چار عوامی ڈیٹا سیٹس کے 2737 ایم آر آئی کا استعمال کرتے ہوئے کی گئی، اور کلینیکی افادیت multiple sclerosis کے 51 مریضوں کے لانجیٹیوڈینل کوہورٹ میں ظاہر کی گئی۔ nnU-Net نے سب سے زیادہ کارکردگی حاصل کی (Dice: C1 = 0.85، C2 = 0.89، C3 = 0.89)، اور اس نے Spinal Cord Toolbox کے غلط لیبل شدہ کیسز میں سے 95.8% کی نشاندہی کی۔ VGG پر مبنی کلاسیفائر نے 97.9% درستگی اور 98.7% حساسیت حاصل کی۔ بیرونی توثیق میں پانچ میں سے چار ڈیٹا سیٹس میں لیبلنگ کی درستگی 92% سے زیادہ رہی اور multiple sclerosis میں لانجیٹیوڈینل SC ایٹروفی کے لیے حساسیت ظاہر ہوئی۔ یہ پائپ لائن ملٹی سینٹر اسٹڈیز کے لیے بالائی گردنی SC کی اسکیل ایبل اور قابلِ اعتماد مہرہ لیبلنگ اور مورفومیٹرک نکالنے کو ممکن بناتی ہے اور نیوروڈیجینریٹو بیماریوں میں بایومارکر کی ترقی میں معاون ہے۔
جرنل IF مساوی: 13.9 (OpenAlex 2 سالہ اوسط حوالگی، قدر 2026-10-18 کے اعتبار سے، بازیافت 2026-10-19؛ یہ سرکاری Clarivate IF نہیں)حوالہ: Jarola GM, Shiraishi DH, Adanyeguh IM, Ashizawa T, Barsottini OGP, Bender B، وغیرہ۔ دماغی MRI سے سروائیکل سپائنل کارڈ کی مہروں کی خودکار لیبلنگ اور مورفومیٹرک استخراج کے لیے ڈیپ لرننگ فریم ورک، بڑے پیمانے پر ملٹی سینٹر توثیق کے ساتھ۔ npj Digit Med. 2026 Oct 23 [Epub ahead of print]. doi:10.1038/s41746-026-03403-w۔جانچا گیا: صرف خلاصہ
تمام 1 بنیادی تحقیق کے مقالات دیکھیں →
ALS: علاج، تجربات اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
پارکنسن کی بیماری اور پارکنسونزم: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
موروثی اعصابی تنزلی کی بیماریاں: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
اعصابی و عضلاتی بیماریاں (مسکیولر ڈسٹروفی، SMA): علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
ملٹیپل سکلیروسس: علاج، کلینیکل ٹرائلز اور AI
- خلاصہ
ورچوئل رئیلٹی (VR) میں توازن کو سمجھنا نہ صرف اس لیے اہم ہے کہ یہ ماپا جا سکے کہ صارف مستحکم ہے یا غیر مستحکم، بلکہ اس لیے بھی اہم ہے کہ یہ وضاحت کی جا سکے کہ غرقیت پر مبنی تعامل کے دوران استحکام کیسے برقرار رہتا ہے۔ یہ ملٹیپل سکلروسیس (MS) کے مریضوں کے لیے خاص طور پر اہم ہے، کیونکہ مجموعی توازن کی ایک جیسی سطحیں مختلف افراد میں حرکت کے مختلف نمونوں کے ساتھ ہو سکتی ہیں۔ موجودہ VR پر مبنی طریقے عام طور پر خام جھول کے سگنلز، متوازی اعتبار کے موازنے، یا کام کے لیے مخصوص درجہ بندی پر توجہ مرکوز کرتے ہیں، اور شاذ و نادر ہی توازن کو ایک واحد مسلسل پیمانے کے طور پر پیش کرتے ہیں یا استحکام کی برقراری کے بنیادی حرکی نمونوں کی وضاحت کرتے ہیں۔ 37 شرکاء (15 MS، 22 غیر MS) کی ہیڈ ماؤنٹڈ ڈسپلے (HMD)، کنٹرولر، دباؤ کا مرکز (CoP)، اور موشن کیپچر ریکارڈنگز پر مشتمل عوامی سطح پر دستیاب ملٹی موڈل ڈیٹا سیٹ کے استعمال سے، ہم HMD اور کنٹرولر موشن سینسرز سے توازن کی صلاحیت کی پیش گوئی اور تشریح کے لیے تین مرحلائی فریم ورک پیش کرتے ہیں۔ سب سے پہلے، ہم معیاری CoP خصوصیات سے CoP سے حاصل کردہ ایک مسلسل توازن اسکور تیار کرتے ہیں، جو توازن کو ایک واحد قابلِ ابلاغ پیمانے کے طور پر پیش کرتا ہے، اور MS اور غیر MS شرکاء میں اس کی یکسانیت کا جائزہ لیتے ہیں۔ دوسرے، ہم مشین لرننگ کا استعمال کرتے ہوئے HMD اور کنٹرولر سینسرز سے اس اسکور کی پیش گوئی کرتے ہیں۔ تیسرے، ہم مجموعی توازن اسکور کی شدت سے آگے استکشافی نمونوں کی شناخت کے لیے VR حرکت کا تجزیہ کرتے ہیں اور جانچتے ہیں کہ آیا ان کی شرکاء کی سطح پر پائی جانے کی شرح MS اور غیر MS گروہوں کے درمیان مختلف ہے۔ توازن اسکور نے آزمائشوں کے درمیان درمیانے درجے کا اعتبار اور MS اور غیر MS گروہوں میں خصوصیت سے اسکور تک تعلق کے ایک جیسے نمونے دکھائے۔ پیش گوئیوں کا جائزہ دو سطحوں پر لیا گیا: ونڈو کی سطح، جو HMD اور کنٹرولرز سے VR موشن سینسر ڈیٹا کے مختصر حصوں کا استعمال کرتی ہے، اور شرکاء کی سطح، جو کسی شرکاء کے تمام حصوں کو ایک واحد شرکاء کی سطح کی پیش گوئی میں یکجا کرتی ہے۔ CatBoost نے مجموعی طور پر سب سے مضبوط پیش گوئی کارکردگی دکھائی۔ ونڈو کی سطح پر اس نے R2 = 0.388، MAE = 0.597، اور RMSE = 0.782 حاصل کیے۔ شرکاء کی سطح پر اس نے R2 = 0.715، Pearson، r = 0.867، اور Spearman، ρ = 0.838 حاصل کیے۔ توازن اسکور موشن کیپچر سے حاصل کردہ کمیت کے مرکز (CoM) کی اوسط رفتار سے بھی مطابقت رکھتا تھا، جس نے دستیاب ڈیٹا سیٹ کے دائرے کے اندر اضافی حیاتی میکانیاتی بنیاد فراہم کی۔ حرکی نمونوں کے تجزیے نے دو الگ الگ استکشافی نمونے شناخت کیے: کم سر غلبہ کا نمونہ، جس کی نمایاں خصوصیت نسبتاً زیادہ ہاتھ کا کردار ہے، اور سر غالب نمونہ، جس کی نمایاں خصوصیت نسبتاً زیادہ سر کا کردار ہے۔ اگرچہ سر غالب نمونہ وضاحتی ونڈو کی سطح پر MS کے شرکاء میں زیادہ کثرت سے پایا گیا، شرکاء کی سطح پر کیے گئے موازنے نے گروہی فرق کا کوئی شماریاتی طور پر نمایاں ثبوت فراہم نہیں کیا۔ یہ نتائج ظاہر کرتے ہیں کہ صرف VR ہیڈسیٹ اور کنٹرولر کی حرکت ہی توازن کی صلاحیت کی شرکاء کی سطح پر پیش گوئی کی حمایت کر سکتی ہے، ساتھ ہی غرقیت پر مبنی تعامل کے دوران سر اور ہاتھ کی حرکت کی نسبتی تنظیم کے بارے میں استکشافی بصیرت بھی فراہم کر سکتی ہے۔
جریدے کا IF: نامعلوم (مطابقت نہیں مل سکی)حوالہ: Pavel MI, Anjum N, Cordova A, Quarles J, Mahmud MR. VR موشن سینسرز سے توازن کی صلاحیت کی پیش گوئی اور کنٹرول حکمت عملیوں کی وضاحت: Multiple Sclerosis کے لیے ایک قابلِ تفسیر، CoP سے ماخوذ Balance Score طریقہ۔ Proceedings of the 2026 28th International ACM SIGACCESS Conference on Computers and Accessibility. 2026 اکتوبر 24 [Epub ahead of print]. doi:10.1145/3797867.3828977.جانچا گیا: صرف خلاصہ
تمام 1 ملٹیپل سکلروسیس کے مقالات دیکھیں →
NMOSD اور MOGAD: علاج، کلینیکل ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
مایستھینیا گریویس: علاج، کلینیکل ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
آٹو امیون اینسیفلائٹس، CIDP اور گیلین-بیرے سنڈروم: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔