Kunstig intelligens-algoritme registrerer autisme

Kunstig intelligens-algoritme registrerer autisme

Forskere tog billeder af børnenes nethinder og scannede dem ved hjælp af en deep learning AI-algoritme til at diagnosticere autisme med 100 % nøjagtighed.

Resultaterne understøtter brugen af ​​kunstig intelligens som et objektivt screeningsværktøj til tidlig diagnose, især når adgangen til en specialiseret børnepsykiater er begrænset, ifølge det, der blev offentliggjort af New Atlas-webstedet, med henvisning til tidsskriftet JAMA Network Open.

Nethinden og synsnerven er også forbundet med optisk disk bagerst i øjet, som er en forlængelse af centralnervesystemet og dermed fungerer som et vindue til hjernen.

Derfor kan evnen til nemt og ikke-invasivt at få adgang til denne del af kroppen udnyttes til at indhente vigtig information relateret til hjernen.

For nylig har britiske forskere udtænkt en ikke-kirurgisk måde til hurtigt at diagnosticere hjernerystelse ved at skinne en øjensikker laser på nethinden.

Men nu har forskere fra Yonsei University College of Medicine i Sydkorea udviklet en måde at diagnosticere autismespektrumforstyrrelse (ASD) og symptomsværhed hos børn ved hjælp af nethindebilleder scannet af en kunstig intelligensalgoritme.

Diagnostiske observationstabeller

Forskerne kiggede på 958 deltagere med en gennemsnitsalder på 7 og 8 og fotograferede deres nethinder, hvilket resulterede i i alt 1890 billeder.

Halvdelen af ​​deltagerne blev diagnosticeret med autismespektrumforstyrrelse, og halvdelen var alders- og kønsmatchede kontroller.

Sværhedsgraden af ​​symptomer på autismespektrumforstyrrelser blev også vurderet ved hjælp af Autism Diagnostic Observation Schedule - Second Edition ADOS-2 og Calibrated Severity Score and Social Responsiveness Scale - Second Edition SRS-2.

100% korrekt

Et foldet neuralt netværk, en dyb læringsalgoritme, blev trænet ved hjælp af 85 % af nethindebillederne og testresultater for symptomsværhedsgrad til at bygge modeller til screening for ASD og ASD-symptomsværhedsgrad. De resterende 15 % af billederne blev gemt til test.

AI-forudsigelserne i det aktuelle studie for screening af autismespektrumforstyrrelser på testsættet af billeder var 100 % korrekte.

Forskerne sagde også: "Vores modeller har lovende ydeevne til at skelne mellem ASD og ASD (børn med typisk udvikling) ved hjælp af retinale billeder, hvilket betyder, at nethindeændringer i ASD kan have potentiel værdi som biomarkører," og bemærker, at "Nethindebilleder kan give yderligere oplysninger om sværhedsgraden af ​​symptomer."

Forskerne tilføjede, at deres AI-baserede model kunne bruges som et objektivt screeningsværktøj fra nu af. Fordi nyfødte nethinder fortsætter med at vokse indtil XNUMX-års alderen, er der behov for mere forskning for at bekræfte, om værktøjet er nøjagtigt for deltagere yngre end det.

"Selvom fremtidige undersøgelser er nødvendige for at bestemme generaliserbarhed, repræsenterer undersøgelsesresultaterne et bemærkelsesværdigt skridt i retning af at udvikle objektive screeningsværktøjer for autismespektrumforstyrrelser, som kan hjælpe med at løse presserende problemer såsom manglende adgang til specialiserede psykiatriske evalueringer for børn på grund af begrænset adgang til specialiserede psykiatriske evalueringer for børn," sagde forskerne. Ressourcer."

Skorpionens kærlighedsforudsigelser for året 2024