دستاوردی جدید با هوش مصنوعی؛

تشخیص اوتیسم از شبکیه چشم کودکان با دقت 100 درصدی

محققان با عکس‌برداری از شبکیه چشم کودکان و با استفاده از یک الگوریتم یادگیری عمیق هوش مصنوعی توانستند اوتیسم را با دقت ۱۰۰ درصدی تشخیص دهند. این پژوهش از هوش مصنوعی به‌عنوان ابزاری برای غربالگری در تشخیص زودهنگام، به‌ویژه زمانی که دسترسی به روان‌پزشک متخصص کودک محدود است، استفاده می‌کند. در پشت چشم، شبکیه و عصب بینایی در دیسک بینایی یا نقطه کور به یکدیگر متصل می‌شوند. این ساختار که به سیستم عصبی مرکزی می‌رسد، دریچه‌ای به مغز است و محققان از این طریق می‌توانند دسترسی آسان و ایمن به مغز داشته باشند. برای مثال، اخیراً محققان بریتانیایی ابزاری برای تشخیص سریع ضربه مغزی با تاباندن لیزری بی‌ضرر روی شبکیه چشم ایجاد کرده‌اند.

به گزارش پایگاه تحلیلی خبری آزنیک، محققان با عکس‌برداری از شبکیه چشم کودکان و با استفاده از یک الگوریتم یادگیری عمیق هوش مصنوعی توانستند اوتیسم را با دقت 100 درصدی تشخیص دهند. این پژوهش از هوش مصنوعی به‌عنوان ابزاری برای غربالگری در تشخیص زودهنگام، به‌ویژه زمانی که دسترسی به روان‌پزشک متخصص کودک محدود است، استفاده می‌کند.

براساس مقاله منتشرشده در JAMA Network Open، محققان کالج پزشکی دانشگاه Yonsei در کره جنوبی با استفاده از تصاویر شبکیه که توسط الگوریتم هوش مصنوعی غربال شده است، روشی برای تشخیص اختلال طیف اوتیسم یا ASD و شدت علائم آن در کودکان ایجاد کرده‌اند.

در پشت چشم، شبکیه و عصب بینایی در دیسک بینایی یا نقطه کور به یکدیگر متصل می‌شوند. این ساختار که به سیستم عصبی مرکزی می‌رسد، دریچه‌ای به مغز است و محققان از این طریق می‌توانند دسترسی آسان و ایمن به مغز داشته باشند. برای مثال، اخیراً محققان بریتانیایی ابزاری برای تشخیص سریع ضربه مغزی با تاباندن لیزری بی‌ضرر روی شبکیه چشم ایجاد کرده‌اند.

تشخیص اوتیسم با کمک هوش مصنوعی

محققان 958 شرکت‌کننده با میانگین سنی 7.8 سال را انتخاب کردند و از شبکیه چشم آن‌ها عکس گرفتند که درمجموع 1890 تصویر به‌دست آمد. نیمی از شرکت‌کنندگان مبتلا به ASD تشخیص داده شده بودند و نیمه دیگر گروه کنترل را تشکیل می‌دادند. شدت علائم ASD با استفاده از برنامه مشاهده تشخیصی اوتیسم (ADOS-2) و نمرات مقیاس پاسخگویی اجتماعی (SRS-2) ارزیابی شد.

یک شبکه عصبی کانولوشن (CNN) که یک الگوریتم یادگیری عمیق است، با استفاده از 85 درصد از تصاویر شبکیه و نمرات آزمون شدت علائم ASD، به‌منظور ساخت مدل‌هایی برای غربالگری شدت علائم اوتیسم آموزش داده شد. این هوش مصنوعی درنهایت در ایجاد تمایز بین کودکان سالم و مبتلا به اوتیسم به موفقیت کامل دست یافت.

محققان می‌گویند که مدل‌های هوش مصنوعی عملکرد امیدوارکننده‌ای در ایجاد تمایز بین ASD و TD (کودکان با رشد معمولی) با استفاده از عکس‌های شبکیه داشتند. این پژوهش نشان می‌دهد که تغییرات شبکیه در ASD ممکن است ارزش بالقوه‌ای به‌عنوان نشانگرهای زیستی داشته باشد. جالب اینجاست که این هوش مصنوعی تنها با استفاده از 10 درصد از تصویر حاوی دیسک بینایی این تشخیص‌های دقیق را انجام داده است.

از آنجایی که شبکیه چشم نوزاد تا سن چهار سالگی به رشد خود ادامه می‌دهد، تحقیقات بیشتری لازم است تا مشخص شود که آیا این ابزار برای شرکت‌کنندگان چهار سال به‌قبل نیز قابل استفاده است یا خیر.

انتهای پیام//