Algoritme voor kunstmatige intelligentie detecteert autisme

Algoritme voor kunstmatige intelligentie detecteert autisme

Onderzoekers namen beelden van de netvliezen van de kinderen en scanden deze met behulp van een deep learning AI-algoritme om autisme met 100% nauwkeurigheid te diagnosticeren.

De resultaten ondersteunen het gebruik van kunstmatige intelligentie als een objectief screeningsinstrument voor vroege diagnose, vooral wanneer de toegang tot een gespecialiseerde kinderpsychiater beperkt is, volgens wat werd gepubliceerd op de New Atlas-website, onder verwijzing naar het JAMA Network Open-tijdschrift.

Het netvlies en de oogzenuw zijn ook verbonden met de optische schijf aan de achterkant van het oog, die een verlengstuk is van het centrale zenuwstelsel en zo dient als venster naar de hersenen.

Daarom kan het vermogen om gemakkelijk en niet-invasief toegang te krijgen tot dit deel van het lichaam worden gebruikt om belangrijke informatie met betrekking tot de hersenen te verkrijgen.

Meer recentelijk hebben Britse onderzoekers een niet-chirurgische manier bedacht om snel een hersenschudding te diagnosticeren door een oogveilige laser op het netvlies te laten schijnen.

Maar nu hebben onderzoekers van het Yonsei University College of Medicine in Zuid-Korea een manier ontwikkeld om autismespectrumstoornis (ASS) en de ernst van de symptomen bij kinderen te diagnosticeren met behulp van retinale beelden die zijn gescand door een algoritme voor kunstmatige intelligentie.

Diagnostische observatietabellen

De onderzoekers keken naar 958 deelnemers, met een gemiddelde leeftijd van 7 en 8 jaar, en fotografeerden hun netvlies, wat in totaal 1890 beelden opleverde.

Bij de helft van de deelnemers werd een autismespectrumstoornis vastgesteld, en bij de helft waren de controlepersonen op leeftijd en geslacht gematcht.

De ernst van de symptomen van een autismespectrumstoornis werd ook beoordeeld met behulp van het Autism Diagnostic Observation Schedule - Second Edition (ADOS-2), de Calibrated Severity Score en de Social Responsiveness Scale - Second Edition (SRS-2).

100% correct

Een convolutioneel neuraal netwerk, een deep learning-algoritme, werd getraind met behulp van 85% van de retinale beelden en testscores voor de ernst van de symptomen om modellen te bouwen voor screening op ASS en de ernst van ASS-symptomen. De resterende 15% van de afbeeldingen werd bewaard om te testen.

De AI-voorspellingen in het huidige onderzoek voor screening op autismespectrumstoornissen op de testset met afbeeldingen waren 100% correct.

De onderzoekers zeiden ook: “Onze modellen hebben veelbelovende prestaties bij het maken van onderscheid tussen ASS en ASS (kinderen met een typische ontwikkeling) met behulp van afbeeldingen van het netvlies, wat betekent dat veranderingen in het netvlies bij ASS potentiële waarde kunnen hebben als biomarkers.” aanvullende informatie verstrekken over de ernst van de symptomen.”

De onderzoekers voegden eraan toe dat hun op AI gebaseerde model vanaf nu kan worden gebruikt als een objectief screeningsinstrument. Omdat het netvlies van pasgeborenen blijft groeien tot de leeftijd van XNUMX jaar, is er meer onderzoek nodig om te bevestigen of het hulpmiddel accuraat is voor deelnemers jonger dan dat.

“Hoewel toekomstige studies nodig zijn om de generaliseerbaarheid vast te stellen, vertegenwoordigen de onderzoeksresultaten een opmerkelijke stap in de richting van de ontwikkeling van objectieve screeningsinstrumenten voor autismespectrumstoornissen, die kunnen helpen bij het aanpakken van dringende problemen zoals het gebrek aan toegang tot gespecialiseerde kinderpsychiatrische evaluaties vanwege de beperkte toegang tot gespecialiseerde psychiatrische onderzoeken. evaluaties voor kinderen”, aldus de onderzoekers.

Schorpioen houdt van voorspellingen voor het jaar 2024