Artificial Intelligence algorithm သည် အထီးကျန်စိတ်ဝေဒနာကို ရှာဖွေတွေ့ရှိသည်။

Artificial Intelligence algorithm သည် အထီးကျန်စိတ်ဝေဒနာကို ရှာဖွေတွေ့ရှိသည်။

သုတေသီများသည် ကလေးများ၏ မြင်လွှာပုံများကို ယူကာ နက်ရှိုင်းသော သင်ယူမှု AI အယ်လဂိုရီသမ်ကို အသုံးပြု၍ ၎င်းတို့အား 100% တိကျသော အော်တစ်ဇင်ရောဂါရှာဖွေဖော်ထုတ်နိုင်ခဲ့သည်။

JAMA Network Open ဂျာနယ်ကို ကိုးကား၍ New Atlas ဝဘ်ဆိုက်မှ ထုတ်ဝေသည့် ရလဒ်များအရ အထူးပြုကလေးစိတ်ရောဂါဆရာဝန်ထံ ဝင်ရောက်ခွင့် ကန့်သတ်ထားချိန်တွင် အစောပိုင်းရောဂါရှာဖွေခြင်းအတွက် ဦးတည်ချက်စမ်းသပ်ကိရိယာအဖြစ် ဥာဏ်ရည်တုကို အသုံးပြုခြင်းကို ပံ့ပိုးပေးပါသည်။

မြင်လွှာနှင့် အမြင်အာရုံကြောတို့သည် မျက်စိနောက်ဘက်ရှိ optic disc နှင့်လည်း ချိတ်ဆက်ထားပြီး၊ ဗဟိုအာရုံကြောစနစ်၏ တိုးချဲ့မှုဖြစ်သည့်အတွက် ဦးနှောက်အတွက် ပြတင်းပေါက်တစ်ခုအဖြစ် လုပ်ဆောင်သည်။

ထို့ကြောင့် အရေးကြီးသော ဦးနှောက်နှင့်ဆိုင်သော အချက်အလက်များကို ရယူရန် ဤခန္ဓာကိုယ်၏ အစိတ်အပိုင်းကို လွယ်ကူစွာနှင့် ထိုးဖောက်ဝင်ရောက်နိုင်စွမ်းမရှိပေ။

မကြာသေးမီက၊ ဗြိတိန် သုတေသီများသည် မျက်စိကို လုံခြုံသော လေဆာဖြင့် မြင်လွှာပေါ်သို့ ထွန်းလင်းခြင်းဖြင့် ခွဲစိတ်မှုမဟုတ်သည့် နည်းလမ်းကို တီထွင်ခဲ့သည်။

သို့သော်လည်း ယခုအခါတွင်၊ တောင်ကိုရီးယားရှိ Yonsei University College of Medicine မှ သုတေသီများသည် ဥာဏ်ရည်တု အယ်လဂိုရီသမ်ဖြင့် စကင်န်ဖတ်ထားသော ကလေးများတွင် Autism Spectrum Disorder (ASD) နှင့် ရောဂါလက္ခဏာများ ပြင်းထန်မှုကို ရှာဖွေရန် နည်းလမ်းတစ်ခုကို တီထွင်လိုက်ပါသည်။

ရောဂါရှာဖွေရေးဇယား

သုတေသီများသည် ပျမ်းမျှအသက် ၇ နှစ်နှင့် ၈ နှစ်ကြား ပါဝင်သူ ၉၅၈ ဦးကို ကြည့်ရှုခဲ့ပြီး ၎င်းတို့၏ မြင်လွှာများကို ဓာတ်ပုံရိုက်ခဲ့ရာ စုစုပေါင်း 958 ပုံများ ရရှိခဲ့သည်။

ပါဝင်သူများ၏တစ်ဝက်သည် Autism spectrum disorder ဖြစ်သည်၊ တစ်ဝက်မှာ အသက်အရွယ်နှင့် လိင်နှင့်လိုက်ဖက်သော ထိန်းချုပ်မှုများဖြစ်သည်။

Autism spectrum disorder ရောဂါလက္ခဏာများ၏ ပြင်းထန်မှုကို Autism Diagnostic Observation Schedule - Second Edition ADOS-2 နှင့် Calibrated Severity Score and Social Responsiveness Scale - Second Edition SRS-2 တို့ကို အသုံးပြု၍ အကဲဖြတ်ခဲ့ပါသည်။

100% မှန်တယ်။

ASD နှင့် ASD ရောဂါလက္ခဏာပြင်းထန်မှုကို စစ်ဆေးရန်အတွက် မော်ဒယ်များတည်ဆောက်ရန်အတွက် convolutional neural network၊ deep learning algorithm ကို 85% of the retinal images and symptom severity test scores ကို အသုံးပြု၍ လေ့ကျင့်သင်ကြားထားပါသည်။ ကျန်ရှိသော 15% ပုံများကို စမ်းသပ်ရန်အတွက် သိမ်းဆည်းထားသည်။

စမ်းသပ်ထားသော ပုံများပေါ်တွင် Autism spectrum disorder စစ်ဆေးခြင်းအတွက် လက်ရှိလေ့လာမှုရှိ AI ခန့်မှန်းချက်များသည် 100% မှန်ကန်ပါသည်။

သုတေသီများကလည်း "ကျွန်ုပ်တို့၏မော်ဒယ်များသည် ASD နှင့် ASD (ပုံမှန်ဖွံ့ဖြိုးမှုရှိသောကလေးများ) အကြား အမြင်အာရုံဆိုင်ရာ ပုံရိပ်များကို အသုံးပြု၍ ခွဲခြားရာတွင် အလားအလာရှိသော စွမ်းဆောင်ရည်ရှိသည်၊ ဆိုလိုသည်မှာ ASD ရှိ မျက်ကြည်လွှာပြောင်းလဲမှုများသည် biomarkers များအဖြစ် အလားအလာရှိသော တန်ဖိုးရှိနိုင်သည်" ဟု မှတ်သားထားကာ "Retinal ပုံများသည် ထပ်လောင်းပေးစွမ်းနိုင်သည်" ရောဂါလက္ခဏာများ၏ ပြင်းထန်မှုဆိုင်ရာ အချက်အလက်။"

၎င်းတို့၏ AI-based မော်ဒယ်ကို ဦးတည်ချက်စစ်ဆေးခြင်းကိရိယာအဖြစ် ယခုအချိန်မှစ၍ အသုံးပြုနိုင်ကြောင်း သုတေသီများက ပြောကြားခဲ့သည်။ မွေးကင်းစမျက်ကြည်လွှာသည် အသက် XNUMX နှစ်အရွယ်အထိ ဆက်လက်ကြီးထွားလာသောကြောင့် ၎င်းထက်ငယ်သောပါဝင်သူများအတွက် ကိရိယာသည် တိကျမှုရှိမရှိ အတည်ပြုရန် နောက်ထပ်သုတေသနပြုရန် လိုအပ်ပါသည်။

"ယေဘုယျဖြစ်နိုင်ချေကို ဆုံးဖြတ်ရန် အနာဂတ်လေ့လာမှုများ လိုအပ်သော်လည်း၊ လေ့လာမှုရလဒ်များသည် အထီးကျန်ရောင်စဉ်ရောဂါအတွက် ရည်ရွယ်ချက်ရှိရှိ စစ်ဆေးခြင်းကိရိယာများကို တီထွင်ထုတ်လုပ်ခြင်းဆီသို့ ထင်ရှားသောခြေလှမ်းတစ်ရပ်ကို ကိုယ်စားပြုသည်၊ ၎င်းသည် အထူးပြုသုံးစွဲခွင့်နည်းပါးခြင်းကြောင့် ကလေးများအတွက် အထူးပြုစိတ်ရောဂါအကဲဖြတ်ခွင့်မရှိခြင်းကဲ့သို့သော အဓိကပြဿနာများကို ဖြေရှင်းပေးနိုင်ပါသည်။ ကလေးများအတွက် စိတ်ရောဂါဆိုင်ရာ အကဲဖြတ်ချက်များ” ဟု သုတေသီများက ပြောကြားခဲ့သည်။

2024 ခုနှစ်အတွက် Scorpio အချစ်ဟောကိန်းများ