الگوریتم هوش مصنوعی اوتیسم را تشخیص می دهد
الگوریتم هوش مصنوعی اوتیسم را تشخیص می دهد
الگوریتم هوش مصنوعی اوتیسم را تشخیص می دهد
محققان تصاویری از شبکیه چشم کودکان گرفتند و با استفاده از الگوریتم هوش مصنوعی یادگیری عمیق آنها را اسکن کردند تا اوتیسم را با دقت 100 درصد تشخیص دهند.
بر اساس آنچه وب سایت نیو اطلس به نقل از مجله JAMA Network Open منتشر کرده است، نتایج از استفاده از هوش مصنوعی به عنوان یک ابزار غربالگری عینی برای تشخیص زودهنگام، به ویژه زمانی که دسترسی به روانپزشک متخصص کودک محدود است، پشتیبانی می کند.
شبکیه و عصب بینایی نیز به دیسک بینایی در پشت چشم متصل هستند که امتدادی از سیستم عصبی مرکزی است و بنابراین به عنوان پنجره ای به مغز عمل می کند.
بنابراین می توان از قابلیت دسترسی آسان و غیر تهاجمی به این قسمت از بدن برای به دست آوردن اطلاعات مهم مرتبط با مغز استفاده کرد.
اخیراً، محققان بریتانیایی روشی غیرجراحی برای تشخیص سریع ضربههای مغزی با تاباندن لیزری ایمن برای چشم بر روی شبکیه ابداع کردهاند.
اما اکنون، محققان کالج پزشکی دانشگاه Yonsei در کره جنوبی با استفاده از تصاویر شبکیه چشم اسکن شده توسط یک الگوریتم هوش مصنوعی، راهی برای تشخیص اختلال طیف اوتیسم (ASD) و شدت علائم در کودکان ایجاد کردهاند.
جداول مشاهده تشخیصی
محققان 958 شرکتکننده با میانگین سنی 7 و 8 سال را بررسی کردند و از شبکیه چشم آنها عکس گرفتند که در مجموع 1890 تصویر به دست آمد.
نیمی از شرکت کنندگان مبتلا به اختلال طیف اوتیسم تشخیص داده شدند و نیمی از گروه کنترل همسان با سن و جنس بودند.
شدت علائم اختلال طیف اوتیسم نیز با استفاده از برنامه مشاهده تشخیصی اوتیسم - ویرایش دوم ADOS-2 و مقیاس شدت درجه بندی شده و مقیاس پاسخگویی اجتماعی - ویرایش دوم SRS-2 مورد ارزیابی قرار گرفت.
100% درسته
یک شبکه عصبی کانولوشنال، یک الگوریتم یادگیری عمیق، با استفاده از 85 درصد از تصاویر شبکیه و نمرات آزمون شدت علائم برای ساخت مدلهایی برای غربالگری شدت علائم ASD و ASD آموزش داده شد. 15 درصد باقیمانده تصاویر برای آزمایش نگهداری شدند.
پیشبینیهای هوش مصنوعی در مطالعه فعلی برای غربالگری اختلال طیف اوتیسم در مجموعه آزمایشی تصاویر 100٪ درست بود.
محققان همچنین گفتند: «مدلهای ما عملکرد امیدوارکنندهای در تمایز بین ASD و ASD (کودکان با رشد معمولی) با استفاده از تصاویر شبکیه دارند، به این معنی که تغییرات شبکیه در ASD ممکن است ارزش بالقوهای بهعنوان نشانگرهای زیستی داشته باشد. اطلاعات در مورد شدت علائم."
محققان افزودند که مدل مبتنی بر هوش مصنوعی می تواند از این پس به عنوان یک ابزار غربالگری هدف مورد استفاده قرار گیرد. از آنجایی که شبکیه های نوزادان تا سن XNUMX سالگی به رشد خود ادامه می دهند، تحقیقات بیشتری برای تایید دقیق بودن این ابزار برای شرکت کنندگان جوان تر از آن مورد نیاز است.
اگرچه مطالعات آتی برای تعیین تعمیمپذیری مورد نیاز است، نتایج مطالعه نشاندهنده گامی قابلتوجه به سمت توسعه ابزارهای غربالگری عینی برای اختلال طیف اوتیسم است که ممکن است به حل مسائل مبرمی مانند عدم دسترسی به ارزیابیهای تخصصی روانپزشکی برای کودکان به دلیل دسترسی محدود به موارد تخصصی کمک کند. پژوهشگران گفتند، ارزیابی های روانپزشکی برای کودکان.