Artificiell intelligens-algoritm upptäcker autism

Artificiell intelligens-algoritm upptäcker autism

Forskare tog bilder av barnens näthinnor och skannade dem med en algoritm för djupinlärning av AI för att diagnostisera autism med 100 % noggrannhet.

Resultaten stöder användningen av artificiell intelligens som ett objektivt screeningverktyg för tidig diagnos, särskilt när tillgången till en specialiserad barnpsykiater är begränsad, enligt vad som publicerades av New Atlas webbplats, med hänvisning till tidskriften JAMA Network Open.

Näthinnan och synnerven är också kopplade till optiska skivan på baksidan av ögat, som är en förlängning av det centrala nervsystemet och därmed fungerar som ett fönster mot hjärnan.

Därför kan förmågan att enkelt och icke-invasivt komma åt denna del av kroppen utnyttjas för att få viktig hjärnrelaterad information.

På senare tid har brittiska forskare utarbetat ett icke-kirurgiskt sätt att snabbt diagnostisera hjärnskakning genom att lysa en ögonsäker laser på näthinnan.

Men nu har forskare från Yonsei University College of Medicine i Sydkorea utvecklat ett sätt att diagnostisera autismspektrumstörning (ASD) och symtomsvårighet hos barn med hjälp av näthinnebilder skannade med en artificiell intelligensalgoritm.

Diagnostiska observationstabeller

Forskarna tittade på 958 deltagare, med en medelålder på 7 och 8, och fotograferade deras näthinnor, vilket resulterade i totalt 1890 XNUMX bilder.

Hälften av deltagarna fick diagnosen autismspektrumstörning och hälften var ålders- och könsmatchade kontroller.

Svårighetsgraden av autismspektrumstörningar bedömdes också med hjälp av Autism Diagnostic Observation Schedule - Second Edition ADOS-2 och Calibrated Severity Score and Social Responsiveness Scale - Second Edition SRS-2.

100% korrekt

Ett konvolutionellt neuralt nätverk, en algoritm för djupinlärning, tränades med hjälp av 85 % av näthinnans bilder och symtomsvårighetstestresultat för att bygga modeller för screening för ASD och ASD-symptom. De återstående 15 % av bilderna behölls för testning.

AI-förutsägelserna i den aktuella studien för screening av autismspektrumstörningar på testuppsättningen av bilder var 100 % korrekta.

Forskarna sa också: "Våra modeller har lovande prestanda när det gäller att skilja mellan ASD och ASD (barn med typisk utveckling) med hjälp av retinala bilder, vilket betyder att retinala förändringar i ASD kan ha potentiellt värde som biomarkörer," och noterade att "Retinala bilder kan ge ytterligare information om symtomens svårighetsgrad."

Forskarna tillade att deras AI-baserade modell kan användas som ett objektivt screeningverktyg från och med nu. Eftersom nyfödda näthinnor fortsätter att växa fram till XNUMX års ålder behövs mer forskning för att bekräfta om verktyget är korrekt för deltagare yngre än så.

"Även om framtida studier behövs för att fastställa generaliserbarhet, representerar studieresultaten ett anmärkningsvärt steg mot att utveckla objektiva screeningverktyg för autismspektrumstörning, som kan hjälpa till att lösa akuta frågor som brist på tillgång till specialiserade barnpsykiatriska utvärderingar på grund av begränsad tillgång till specialiserad psykiatrisk sjukdom. utvärderingar för barn", sa forskarna. Resurser."

Skorpionens kärleksförutsägelser för år 2024