به گزارش راهبرد معاصر؛ اینترستینگ انجینیرینگ گزارش داد: شناسایی اختلال طیف اوتیسم به دلیل محدودیت منابع، به ویژه کمبود متخصصان آموزش دیده برای ارزیابی، با چالشهایی مواجه است. شبکیه افراد مبتلا به این بیماری تغییرات ساختاری را از خود نشان میدهند که ممکن است منعکس کننده تغییرات زمینهای مغز، از جمله ناهنجاری در مسیر بینایی ناشی از اتصالات جنینی باشد.
محققان کرهای اکنون با استفاده از الگوریتمهای یادگیری عمیق راه حلی برای غربالگری اختلال اوتیسم ایجاد کرده اند. این راه حل با استفاده از ارزیابی شدت علائم از روی عکسهای شبکیه به دست آمده است.
اختلال با دو دسته علائم اولیه، یعنی اختلال در ارتباطات اجتماعی و رفتارها یا علایق محدود و تکراری ظاهر میشود. محققان در این مطالعه عکسهای شبکیه هزار و ۸۹۰ چشم شرکت کننده زیر ۱۹ سال را جمع آوری کردند و با استفاده از هوش مصنوعی مدلهایی را ساخته و آموزش دادند تا شدت علائم را بررسی کنند.
مدل هوش مصنوعی هنگام ارزیابی مجموعه آزمایشی تصاویر برای غربالگری اختلال اوتیسم، توانایی شناسایی دقیق کودکان مبتلا به این بیماری را داشتند. در مطالعه حاضر، پیشبینیهای هوش مصنوعی به دقت ۱۰۰ درصد دست یافتند.
محققان خاطرنشان کردند برای ایجاد تعمیم پذیری در مورد این یافته به تحقیقات بیشتری نیاز است، امامطالعه آنها پیشرفت قابل توجهی را در ایجاد ابزارهای غربالگری عینی برای اوتیسم نشان میدهد. این ابزارها میتوانند نگرانیهای مبرم، مانند دسترسی محدود به ارزیابیهای تخصصی روانپزشکی کودک به دلیل محدودیت منابع را کاهش دهند.
جزئیات مربوط به مطالعه این تیم در مجله Jama Network Open منتشر شد. / فارس