تاریخ شروع : 1402/03/30
مهلت ارسال : 1402/04/12
گرنت صندوق نوآوری و شکوفایی:
حمایت بلاعوض از طرح تا سقف 300میلیون تومان
حمایت بلاعوض از طرح تا سقف 300میلیون تومان
مهلت ارسال پروپوزال به اتمام رسیده است
سیستم کمک‌تشخیصی و پیشنهاددهنده شیوه‌نامه درمانی برای بیماران دارای اختلالات روانشناختی
خلاصه فناوری:
در این طرح، قرار است که با هدف کمک به بیماران مبتلا به بیماری‌ها و اختلالات روانشناختی و عصبی در کشور و با بهره‌گیری از تجربه‌ای منحصر به‌فرد، برنامه‌ای جامع به همراه مجموعه نرم‌افزاری تشخیصی پزشکی ارایه شود. مبنای کار این برنامه جامع در حوزه تشخیص‌های پزشکی تخصصی، ارزیابی‌های تصاویر سیستم مغز و اعصاب جهت ارایه خدمات درمانی دقیق و قابل اطمینان می‌باشد. از آنجاییکه این برنامه، تشخیصی حرفه‌ای بر اساس داده‌های تصویربرداری MRI مغز از قبیل تصاویر ساختاری T1 و DTI (تصویربرداری انتشار تشدید مغناطیسی) وfMRI (تصویر برداری عملکردی تشدید مغناطیسی) فراهم می‌آورد، می‌تواند ابزاری تشخیصی برای معاینه ضایعات و ناهنجاری‌های بیماران خاص در حوزه سلامت روان بوده؛ و به عنوان دستیار در خدمت رادیولوژیست‌ها، متخصصان روانپزشک و روانشناس، و همچنین متخصصان مغز و اعصاب به کار گرفته شود.
ضرورت مسئله:
بیماری‌های روان به گروهی از بیماری‌ها گفته می‌شود که با تاثیر بر تفکر و رفتار باعث ایجاد ناراحتی برای فرد مبتلا یا ایجاد ناتوانی در وی می‌شوند. هنوز علت بیماری‌های روانی به خوبی شناخته نشده است، چرا که بیماری‌های روانی مانند بسیاری از بیماری‌ها علت شناخته شده‌ای ندارد و به عبارتی می‌توان گفت بیماری‌های روانی تک علتی نیستند، اما مسلم است که عوامل ژنتیکی، استرس‌های مختلف، وضعیت اقتصادی، وضعیت سیاسی، تغذیه و... در پیدایش این بیماری‌ها موثر هستند. سلامت روان امروزه یکی از ملاک‌های اصلی ارزیابی سلامت یک جامعه است و بی شک نقش چشمگیری در کارآمدی و پیشرفت آن بازی می‌کند. علی‌رغم اینکه یکی از ستون‌های مهم برای توسعه پایدار یک جامعه، داشتن افراد سالم از لحاظ روانی است، در زندگی امروز به مشکلات روانی و عاطفی کمتر بها داده شده و به عبارتی بهداشت رواني افراد جامعه آنچنان كه شايسته است مورد توجه قرار نمی‌گیرد. اين در حالي است كه منشا بسياري از جرايم و آسيب‌هاي اجتماعي، همين بي‌توجهي به سلامت روحي است. اختلالات رواني، علاوه بر بار اقتصادي زيادي كه به كشورها تحميل مي‌كند، روند توسعه آن كشور را كند كرده، بنيان خانواده‌ها را سست مي‌كند و به بروز خشونت‌هاي افراد جامعه عليه يكديگر منجر مي‌شود. براساس مطالعات صورت گرفته حدود ۲۵ درصد ایرانیان به نوعی از بیماری‌های روان مبتلا بوده و نیاز به خدمات روانپزشکی دارند. آمار اختلالات روانی در بازه سنی ۱۵ تا ۶۴ سال، 23/6 درصد اعلام شده که از بین این اختلالات، افسردگی حاد، اضطراب فراگیر، اختلالات بیش فعالی همراه با کمبود توجه، افسردگی دو قطبی، اختلال وسواس وسواسی- جبری، و اسکیزوفرنی، در صدر بیماری‌های روانی جای دارند. تشخیص بیماری‌های روانشناسی و تشخیص اختلالات روانشناختی از اصلی‌ترین خدمات کلینیکی است. قبل از اینكه فرد وارد جلسات مشاوره و روان‌درمانی شود، ابتدا باید مورد ارزیابی و تشخیص قرار گرفته و براساس مشكل شناسایی شده، برنامه مناسب درمان و پروتکل درمانی در اختیار فرد قرار گیرد و در ادامه مشخص شود كه براساس نیاز فرد، وی به چه نوع درمانی (روان‌درمانی، نوروفیدبك، آموزش، روش‌های تحریک مغزی و …) نیاز دارد. در مورد این قبیل بیماری‌ها و اختلالات، ارزیابی و تشخیص زود هنگام از اهمیت ویژه‌ای برخوردار بوده و جلوگیری از پیشرفت اختلال یکی از رسالت‌های روانشناسان به شمار می‌رود که تنها با تشخیص دقیق بیماری امکان‌پذیر است. از طرفی انتخاب یک درمان مناسب و موثر پس از تشخیص می‌تواند به بهبود این بیماران کمک شایانی نماید.
مسئله اصلی تحقیق:
اخیرا پژوهشگران فریم‌ورک تحلیلی جدیدی به نام سایکورادیولوژی ارائه کرده‌اند که بر اساس Cerebral radiomics کار می‌کند؛ Cerebral radiomics یعنی داده‌های گسسته زیادی برگرفته از تصویربرداری‌های MRI بیماران که می‌توان از آن‌ها برای شناسایی مشخصه‌های بیماری‌های روانی استفاده کرد. در سال‌های اخیر، سایکورادیولوژی نیز به ابزاری کاربردی و امیدوارکننده برای این موضوع تبدیل شده است. از ترکیب این روش و دیگر مشخصات بیمار می‌توان برای بهبود تشخیص و تسریع درمان بهره برد. هدف اصلی ایجاد دسته‌بندی برای کمک به روانپزشکان و روانشناسان بالینی برای تشخیص بیماری‌های روانی و زیرنوع‌های آن‌ها بر اساس نشانه‌های radiomics است. پژوهشگران از مشخصه‌های به نسبت جدیدی استفاده کرده‌اند که به آن‌ها اجازه می‌داد نشانه‌های radiomics مرتبط را از میان مشخصه‌های کمی که از ماده خاکستری و سفید استخراج شده بود، شناسایی کنند. پژوهشگران این پروژه بر این عقیده هستند که این تحقیق به توسعه سایکورادیولوژی کمک می‌کند که خود نقشی مهم در تشخیص و درمان بیماران دچار اختلال‌های روانی ایفا می‌کند. مطالعات در این زمینه نشان داده است که با استفاده از تصاویر MRI عملکردی و ساختاری و مطالعه شبکه‌های مغزی، می‌توان به‌صورت افتراقی مشخص کرد بیمارانی که از اختلالات روانی رنج می‌برند در کدام یک از زیر شاخه‌های بیماری‌های روانی قرار دارند. در این طرح، قرار است تا با دعوت از بیماران جدیدی که به تازگی بیماری آن‌ها تشخیص داده شده است، تحقیقات خود را در مورد دسته‌بندی‌های بر پایه تصویربرداری تایید کرده و از این رویکرد تحلیلی در مورد دیگر بیماری‌ها و اختلالات روانی استفاده کنیم و در نهایت کاربرد آن را در محیطی بالینی بسنجیم تا بتوانیم این فریم‌ورک تحلیلی را به بهره‌برداری برسانیم. روش‌های بر پایه یادگیری ماشین بخصوص یادگیری عمیق قادر هستند کمک شایانی به کاهش زمان مورد نیاز برای بررسی تصاویر و همچنین افزایش دقت تشخیص در نواحی و شبکه‌های درگیر داشته باشند. چنین سیستم‌هایی به عنوان Computer-Aided Diagnosis (CAD) شناخته می‌شوند؛ و توانایی این را دارند که به سرعت داده‌ها و تصاویر را تحلیل کرده و با کاهش خطاهای موجود، تخمین دقیق‌تری از احتمال و شدت ابتلا به یک بیماری ارائه دهند. در سال‌های اخیر، سیستم‌های CAD از توانایی زیاد تکنیک‌های بر پایه یادگیری ماشین به‌خصوص یادگیری عمیق در پیدا کردن الگوهای موجود در داده‌ها و تصاویر استفاده می‌کنند تا الگوریتم‌های جدیدی برای تشخیص بیماری‌ها طراحی و پیاده‌سازی کنند.
برای مورد خاص بیماران دارای اختلالات روانی، تکنیک یادگیری عمیق قادر است ویژگی‌های تاثیرگذار شبکه‌های شناختی مغز و رابطه آن‌ها را با بیماری‌های مشخص و کوموربیدیتی‌های مرتبط استخراج کند. این موضوع باعث می‌شود که پیدا کردن تغییرات ایجاد شده در شبکه‌های عملکردی و شناختی مغز (که به‌وسیله بیماری مختل شده‌اند و به سختی قابل تشخیص برای پزشکان و متخصصان باتجربه است) به طور اتوماتیک انجام شود. علاوه بر این، تکنیک‌های یادگیری عمیق پس از آموزش قادر هستند موارد جدیدی که قبلا دیده نشده را نیز تشخیص دهند. با در نظر گرفتن نکات ذکر شده، هدف اصلی فاز اول این پروژه طراحی و پیاده‌سازی روش‌های تشخیصی بر پایه یادگیری عمیق است که قادر به تشخیص افتراقی بیماری مشخص روان و احتمالا کوموربیدیتی‌ها و زیرنوع‌های بیماری است. الگوریتم ذکر شده به گونه‌ای طراحی می‌شود که قادر باشد از این اطلاعات استفاده کند و به طور اتوماتیک گزارشی برای هر بیمار تولید کند. هدف دیگر این پروژه، طراحی و پیاده‌سازی یک الگوریتم است که قادر است پروگنوز بیمار در آینده و همچنین بهترین درمان موجود و شانس بهبود پس از درمان را تخمین بزند. به منظور به دست آوردن دیتاست مورد نیاز برای آموزش و تست این قسمت از الگوریتم، از فالوآپ افراد بیماری که توصیه به تصویربرداری شدند، مجموعه داده‌ای تهیه می‌شود که شامل اطلاعات بالینی، تشخیص‌های مختلف بیماری افراد به علاوه مشخصات درمانی مشخص آن‌هاست. با استفاده از چنین اطلاعاتی، الگوریتمی طراحی و آموزش داده می‌شود که می‌تواند کمک شایانی به اتخاذ استراتژی‌های درمانی شامل تحریک بیرونی مغز (TMS، tDCS)، توانبخشی شناختی از جمله حافظه و توجه، روان‌درمانی (افسردگی/ اضطراب)، توانبخشی جسمی، پزشکی ورزشی، رفتار درمانی، کنترل تریگر، بیو فیدبک، نوروفیدبک، خودکنترلی، رویکردهای ذهن و بدن، و همچنین رژیم غذایی مناسب برای جلوگیری از وضعیت‌های اضطراری داشته باشد.
در این طرح، قرار است که با هدف کمک به بیماران مبتلا به بیماری‌ها و اختلالات روانشناختی و عصبی در کشور و با بهره‌گیری از تجربه‌ای منحصر به‌فرد، برنامه‌ای جامع به همراه مجموعه نرم‌افزاری تشخیصی پزشکی ارایه شود. مبنای کار این برنامه جامع در حوزه تشخیص‌های پزشکی تخصصی، ارزیابی‌های تصاویر سیستم مغز و اعصاب جهت ارایه خدمات درمانی دقیق و قابل اطمینان می‌باشد. از آنجاییکه این برنامه، تشخیصی حرفه‌ای بر اساس داده‌های تصویربرداری MRI مغز از قبیل تصاویر ساختاری T1 و DTI (تصویربرداری انتشار تشدید مغناطیسی) وfMRI (تصویر برداری عملکردی تشدید مغناطیسی) فراهم می‌آورد، می‌تواند ابزاری تشخیصی برای معاینه ضایعات و ناهنجاری‌های بیماران خاص در حوزه سلامت روان بوده؛ و به عنوان دستیار در خدمت رادیولوژیست‌ها، متخصصان روانپزشک و روانشناس، و همچنین متخصصان مغز و اعصاب به کار گرفته شود.
ضرورت مسئله:
بیماری‌های روان به گروهی از بیماری‌ها گفته می‌شود که با تاثیر بر تفکر و رفتار باعث ایجاد ناراحتی برای فرد مبتلا یا ایجاد ناتوانی در وی می‌شوند. هنوز علت بیماری‌های روانی به خوبی شناخته نشده است، چرا که بیماری‌های روانی مانند بسیاری از بیماری‌ها علت شناخته شده‌ای ندارد و به عبارتی می‌توان گفت بیماری‌های روانی تک علتی نیستند، اما مسلم است که عوامل ژنتیکی، استرس‌های مختلف، وضعیت اقتصادی، وضعیت سیاسی، تغذیه و... در پیدایش این بیماری‌ها موثر هستند. سلامت روان امروزه یکی از ملاک‌های اصلی ارزیابی سلامت یک جامعه است و بی شک نقش چشمگیری در کارآمدی و پیشرفت آن بازی می‌کند. علی‌رغم اینکه یکی از ستون‌های مهم برای توسعه پایدار یک جامعه، داشتن افراد سالم از لحاظ روانی است، در زندگی امروز به مشکلات روانی و عاطفی کمتر بها داده شده و به عبارتی بهداشت رواني افراد جامعه آنچنان كه شايسته است مورد توجه قرار نمی‌گیرد. اين در حالي است كه منشا بسياري از جرايم و آسيب‌هاي اجتماعي، همين بي‌توجهي به سلامت روحي است. اختلالات رواني، علاوه بر بار اقتصادي زيادي كه به كشورها تحميل مي‌كند، روند توسعه آن كشور را كند كرده، بنيان خانواده‌ها را سست مي‌كند و به بروز خشونت‌هاي افراد جامعه عليه يكديگر منجر مي‌شود. براساس مطالعات صورت گرفته حدود ۲۵ درصد ایرانیان به نوعی از بیماری‌های روان مبتلا بوده و نیاز به خدمات روانپزشکی دارند. آمار اختلالات روانی در بازه سنی ۱۵ تا ۶۴ سال، 23/6 درصد اعلام شده که از بین این اختلالات، افسردگی حاد، اضطراب فراگیر، اختلالات بیش فعالی همراه با کمبود توجه، افسردگی دو قطبی، اختلال وسواس وسواسی- جبری، و اسکیزوفرنی، در صدر بیماری‌های روانی جای دارند. تشخیص بیماری‌های روانشناسی و تشخیص اختلالات روانشناختی از اصلی‌ترین خدمات کلینیکی است. قبل از اینكه فرد وارد جلسات مشاوره و روان‌درمانی شود، ابتدا باید مورد ارزیابی و تشخیص قرار گرفته و براساس مشكل شناسایی شده، برنامه مناسب درمان و پروتکل درمانی در اختیار فرد قرار گیرد و در ادامه مشخص شود كه براساس نیاز فرد، وی به چه نوع درمانی (روان‌درمانی، نوروفیدبك، آموزش، روش‌های تحریک مغزی و …) نیاز دارد. در مورد این قبیل بیماری‌ها و اختلالات، ارزیابی و تشخیص زود هنگام از اهمیت ویژه‌ای برخوردار بوده و جلوگیری از پیشرفت اختلال یکی از رسالت‌های روانشناسان به شمار می‌رود که تنها با تشخیص دقیق بیماری امکان‌پذیر است. از طرفی انتخاب یک درمان مناسب و موثر پس از تشخیص می‌تواند به بهبود این بیماران کمک شایانی نماید.
مسئله اصلی تحقیق:
اخیرا پژوهشگران فریم‌ورک تحلیلی جدیدی به نام سایکورادیولوژی ارائه کرده‌اند که بر اساس Cerebral radiomics کار می‌کند؛ Cerebral radiomics یعنی داده‌های گسسته زیادی برگرفته از تصویربرداری‌های MRI بیماران که می‌توان از آن‌ها برای شناسایی مشخصه‌های بیماری‌های روانی استفاده کرد. در سال‌های اخیر، سایکورادیولوژی نیز به ابزاری کاربردی و امیدوارکننده برای این موضوع تبدیل شده است. از ترکیب این روش و دیگر مشخصات بیمار می‌توان برای بهبود تشخیص و تسریع درمان بهره برد. هدف اصلی ایجاد دسته‌بندی برای کمک به روانپزشکان و روانشناسان بالینی برای تشخیص بیماری‌های روانی و زیرنوع‌های آن‌ها بر اساس نشانه‌های radiomics است. پژوهشگران از مشخصه‌های به نسبت جدیدی استفاده کرده‌اند که به آن‌ها اجازه می‌داد نشانه‌های radiomics مرتبط را از میان مشخصه‌های کمی که از ماده خاکستری و سفید استخراج شده بود، شناسایی کنند. پژوهشگران این پروژه بر این عقیده هستند که این تحقیق به توسعه سایکورادیولوژی کمک می‌کند که خود نقشی مهم در تشخیص و درمان بیماران دچار اختلال‌های روانی ایفا می‌کند. مطالعات در این زمینه نشان داده است که با استفاده از تصاویر MRI عملکردی و ساختاری و مطالعه شبکه‌های مغزی، می‌توان به‌صورت افتراقی مشخص کرد بیمارانی که از اختلالات روانی رنج می‌برند در کدام یک از زیر شاخه‌های بیماری‌های روانی قرار دارند. در این طرح، قرار است تا با دعوت از بیماران جدیدی که به تازگی بیماری آن‌ها تشخیص داده شده است، تحقیقات خود را در مورد دسته‌بندی‌های بر پایه تصویربرداری تایید کرده و از این رویکرد تحلیلی در مورد دیگر بیماری‌ها و اختلالات روانی استفاده کنیم و در نهایت کاربرد آن را در محیطی بالینی بسنجیم تا بتوانیم این فریم‌ورک تحلیلی را به بهره‌برداری برسانیم. روش‌های بر پایه یادگیری ماشین بخصوص یادگیری عمیق قادر هستند کمک شایانی به کاهش زمان مورد نیاز برای بررسی تصاویر و همچنین افزایش دقت تشخیص در نواحی و شبکه‌های درگیر داشته باشند. چنین سیستم‌هایی به عنوان Computer-Aided Diagnosis (CAD) شناخته می‌شوند؛ و توانایی این را دارند که به سرعت داده‌ها و تصاویر را تحلیل کرده و با کاهش خطاهای موجود، تخمین دقیق‌تری از احتمال و شدت ابتلا به یک بیماری ارائه دهند. در سال‌های اخیر، سیستم‌های CAD از توانایی زیاد تکنیک‌های بر پایه یادگیری ماشین به‌خصوص یادگیری عمیق در پیدا کردن الگوهای موجود در داده‌ها و تصاویر استفاده می‌کنند تا الگوریتم‌های جدیدی برای تشخیص بیماری‌ها طراحی و پیاده‌سازی کنند.
برای مورد خاص بیماران دارای اختلالات روانی، تکنیک یادگیری عمیق قادر است ویژگی‌های تاثیرگذار شبکه‌های شناختی مغز و رابطه آن‌ها را با بیماری‌های مشخص و کوموربیدیتی‌های مرتبط استخراج کند. این موضوع باعث می‌شود که پیدا کردن تغییرات ایجاد شده در شبکه‌های عملکردی و شناختی مغز (که به‌وسیله بیماری مختل شده‌اند و به سختی قابل تشخیص برای پزشکان و متخصصان باتجربه است) به طور اتوماتیک انجام شود. علاوه بر این، تکنیک‌های یادگیری عمیق پس از آموزش قادر هستند موارد جدیدی که قبلا دیده نشده را نیز تشخیص دهند. با در نظر گرفتن نکات ذکر شده، هدف اصلی فاز اول این پروژه طراحی و پیاده‌سازی روش‌های تشخیصی بر پایه یادگیری عمیق است که قادر به تشخیص افتراقی بیماری مشخص روان و احتمالا کوموربیدیتی‌ها و زیرنوع‌های بیماری است. الگوریتم ذکر شده به گونه‌ای طراحی می‌شود که قادر باشد از این اطلاعات استفاده کند و به طور اتوماتیک گزارشی برای هر بیمار تولید کند. هدف دیگر این پروژه، طراحی و پیاده‌سازی یک الگوریتم است که قادر است پروگنوز بیمار در آینده و همچنین بهترین درمان موجود و شانس بهبود پس از درمان را تخمین بزند. به منظور به دست آوردن دیتاست مورد نیاز برای آموزش و تست این قسمت از الگوریتم، از فالوآپ افراد بیماری که توصیه به تصویربرداری شدند، مجموعه داده‌ای تهیه می‌شود که شامل اطلاعات بالینی، تشخیص‌های مختلف بیماری افراد به علاوه مشخصات درمانی مشخص آن‌هاست. با استفاده از چنین اطلاعاتی، الگوریتمی طراحی و آموزش داده می‌شود که می‌تواند کمک شایانی به اتخاذ استراتژی‌های درمانی شامل تحریک بیرونی مغز (TMS، tDCS)، توانبخشی شناختی از جمله حافظه و توجه، روان‌درمانی (افسردگی/ اضطراب)، توانبخشی جسمی، پزشکی ورزشی، رفتار درمانی، کنترل تریگر، بیو فیدبک، نوروفیدبک، خودکنترلی، رویکردهای ذهن و بدن، و همچنین رژیم غذایی مناسب برای جلوگیری از وضعیت‌های اضطراری داشته باشد.
| نام و نام خانوادگی | رشته/ مقطع تحصیلی | همکار/ مشاور طرح | وضعیت شغلی |
| محمدرضا ناظم زاده | مهندسی پزشکی/ دکتری | مدیر اجرایی | عضو هیئت‌علمی دانشگاه علوم پزشکی تهران |
| حسنا توکلی | علوم اعصاب‌شناختی/ دکتری | همکار | دانشجوی دانشگاه علوم پزشکی تهران |
| هادی کامکار | بیوانفورماتیک/ کارشناسی‌ارشد | همکار | دانشجوی دانشگاه تربیت مدرس |
سوابق عرضه‌کننده فناوری و مسئول اصلی تیم پژوهشی
دکتر محمدرضا ناظم زاده، محقق ارشد در بیمارستان هنری فورد میشیگان امریکا و دپارتمان رادیولوژی از سال 1391 الی 1396، محقق پسادکترا دانشگاه میشیگان امریکا، دپارتمان رادیوتراپی درزمینه ارزیابی درمان از سال 1389 الی 1391 و همچنین دارای مدرک دکترا از دانشگاه تهران در رشته مهندسی پزشکی می‌باشد. حوزه فعالیت ایشان درزمینه توسعه، ارزیابی و اعتبارسنجی رویکردهای بر پایه آموزش و بینایی ماشین برای توصیف ساختارهای تشریحی از تصاویر پزشکی، طراحی سیستم تصمیم‌گیری جهت تسهیل و بهبود تشخیص، برنامه‌ریزی درمانی و ارزیابی درمان بیماران مبتلا به TLE، توسعه چندین مدل پاسخ‌محور برای شناسایی نوع و تشخیص دقیق مکان کانون تشنج در بیماران مبتلابه صرع، کاربردهای Functional Neuroimaging در تشخیص بیماری‌های نورولوژیکی و یافته‌های آن در حوزه‌های Brain mapping و Cognitive Neuroscience و همچنین در تشخیص کامل‌تر چند مدالیته بیماری Cancer و ارزیابی درمان می‌باشد. وی هم‌اکنون عضو هیئت‌علمی مرکز تحقیقات علوم و تکنولوژی در پزشکی (RCSTIM) و استادیار دانشگاه علوم پزشکی تهران (TUMS) و مشاور آزمایشگاه ملی نقشه‌برداری مغز (NBML) است. مقالات ایشان در اینجا قابل دسترسی است.
- به‌کارگیری هوش‌مصنوعی در تشخیص و درمان بیماری‌های حوزه روان، از نقاط قوت این محصول است. برای رسیدن به این هدف، روانشناسان، روانپزشکان، محققان علوم‌اعصاب و هوش‌مصنوعی گرد هم آمده‌اند تا به کمک فهم دقیق‌تر مکانیسم این بیماری‌ها، مراحل تشخیص و درمان را سیستماتیک و بهینه کنند.
- بیماری‌های زیادی در حوزه سلامت روان و اختلالات شناختی توسط پروتکل پیشنهادی می‌تواند مورد ارزیابی قرار گیرد از جمله: اضطراب، بیش‌فعالی همراه با کمبود توجه، اختلال دو قطبی، اسکیزوفرنی و وسواس.
- ارائه خدمات کمک تشخیصی به بیماران، تشخیص افتراقی میان بیماری‌های مربوط به سلامت روان، فهم مکانیسم ارتباطی مشخص میان نارسایی‌های شناختی و بیماری‌های روانی-عصبی، تشخیص زیرنوع های این بیماری‌ها به کمک تصاویر MRI و ارائه خدمات درمانی اختصاصی هر بیمار برای رسیدن به نتیجه بهتر.
- این طرح می‌تواند به ویژه برای بیماران مقاوم به درمان که به دنبال درمان جدید و موثر مانند TMS هستند بسیار مفید باشد، چرا که در نهایت درمان اختصاصی و دقیقی براساس ویژگی‌های مغزی خود دریافت خواهند کرد.
- ارائه خدمات تحلیلی-تشخیصی دقیق و قابل اطمینان به رادیولوژیست‌ها و متخصصان روانپزشک و روانشناس، متخصصین مغز و اعصاب
- ارائه بهترین پروتکل درمان براساس ویژگی‌های فردی بیمار
- ارائه درمان دقیق و اختصاصی برای بیماران مقاوم به درمان
- ارائه برنامه جامع و مدون برای ارائه خدمات کمک تشخیصی به بیماران
- طراحی و پیاده‌سازی نرم‌افزارهای کمک تشخیصی پزشکی مبتنی بر هوش مصنوعی و یادگیری ماشین
- تشخیص افتراقی میان بیماری‌ها، تفسیر یافته‌ها و طراحی اختصاصی درمان
- فهم مکانیسم ارتباطی مشخص میان نارسایی‌های شناختی و بیماری‌های روانی- عصبی
- تشخیص زیرنوع‌های بیماری‌های روانی مشخص در افراد بیمار
- آگاهی بخشی در مورد امکان و لزوم استفاده از روش‌های کمک تشخیصی به کمک MRI در حوزه بیماری‌های مرتبط به روان
- ارائه یافته‌های علمی پروژه و آموزش‌های لازم در سطح جوامع علمی و عموم جامعه
- هزینه اجرای طرح حدود 320 میلیون تومان برآورد می‌شود، که حداکثر 70 درصد این مبلغ تا سقف 300 میلیون تومان، از محل حمایت صندوق نوآوری و شکوفایی تامین خواهد شد.
- مدت‌زمان اجرای طرح حدود 12 ماه برآورد می‌شود.
- مالکیت معنوی: مشارکت‌کننده در مالکیت معنوی ناشی از اجرای تحقیق سهیم خواهد بود و انتشار مقاله مشترک توسط مجری و مشارکت‌کننده در ژورنال‌های داخلی و خارجی، ارائه مقاله در کنفرانس‌ها و سمینارها با موافقت و اشاره به نام همه دست‌اندرکاران مجاز خواهد بود.
- مالکیت منافع مادی: سهم مشارکت شرکت/شتاب‌دهنده متقاضی حداقل 10 و حداکثر 35 درصد خواهد بود (منافع مالی ناشی از توسعه این فناوری بر اساس توافق طرفین و مشترک خواهد بود و باتوجه‌به سهم آورده نقدی و غیرنقدی توسعه‌دهنده، سهم مالکیت قابل‌مذاکره و توافق است).
شماره تماس:
09025555482
09025555471
اینستاگرام:
iran.challenges@
09025555482
09025555471
اینستاگرام:
iran.challenges@