//
کد خبر: 472797

تشخیص زودهنگام اوتیسم کودکان با یک روش جدید

کریستینا تامیمیز استادیار دانشکده سلامت زنان و کودکان در موسسه کارولینسکا در سوئد و از محققان ارشد این تحقیق گفت: با رسیدن به دقت تقریبا ۸۰ درصدی برای کودکان زیر ۲ سال، امیدواریم که این (برنامه هوش مصنوعی) یک ابزار ارزشمند برای بخش سلامت باشد.

یک مطالعه جدید مشخص کرد «هوش مصنوعی» می‌تواند به پیش‌بینی این مساله کمک کند که کدام کودکان با احتمال بیشتری با اوتیسم روبه‌رو هستند.

این محققان می‌گویند هوش مصنوعی بدون نیاز به ارزیابی‌های تفصیلی یا آزمایش‌های بالینی، در داده‌های پزشکی سهل‌الوصول از کودکان در سن ۲ سال و پایین‌تر، به دنبال الگو‌هایی می‌گردد. برنامه موسوم به AutMedAI در آزمایش‌های انجام شده با استفاده از داده‌های مربوط به ۱۲ هزار کودک، موفق شد حدود ۸۰ درصد از کودکان مبتلا به اوتیسم را شناسایی کند.

محققان خاطرنشان کردند به طور خاص شاخص‌هایی مانند سن اولین لبخند کودک، اولین جملات کوتاه ادا شده و وجود مشکلات در غذا خوردن از جمله داده‌هایی است که به پیش بینی اوتیسم کمک کرده است.

 

کریستینا تامیمیز استادیار دانشکده سلامت زنان و کودکان در موسسه کارولینسکا در سوئد و از محققان ارشد این تحقیق گفت: با رسیدن به دقت تقریبا ۸۰ درصدی برای کودکان زیر ۲ سال، امیدواریم که این (برنامه هوش مصنوعی) یک ابزار ارزشمند برای بخش سلامت باشد.

به گفته محققان، این برنامه هوش مصنوعی همچنین نتایج خوبی در شناسایی کودکانی که مشکلاتی در زمینه ارتباطات اجتماعی، توانایی شناختی و تاخیر‌های رشدی خواهند داشت، نشان داده است.

برای این مطالعه، محققان چهار برنامه مختلف هوش مصنوعی را با داده‌های مربوط به حدود ۳۰ هزار فرد با یا بدون طیف اختلافات اوتیسم آموزش دادند تا بتواند برای شناسایی اوتیسم اقدام کند. در آزمایش‌های بعدی مشخص شد که برنامه AutMedAI بهترین عملکرد را در میان چهار برنامه مورد بررسی داشته است.

شیام راجاگوپالان از محققان موسسه یاد شده و استادیار موسسه بیوانفورماتیک در هندوستان نیز گفت: نتایج این مطالعه از این حیث قابل توجه است که نشان می‌دهد می‌توان با اطلاعات نسبتا محدود و در دسترس، افراد با احتمال ابتلا به اوتیسم را شناسایی کرد.

تشخیص زودهنگام اوتیسم از این حیث اهمیت دارد که کودکان هر چه زودتر درمان را دریافت کنند نتیجه درمانی بهتری خواهند داشت. محققان اکنون در حال کار برای بهبود بیشتر عملکرد این برنامه هوش مصنوعی هستند از جمله اینکه می‌خواهند در صورت امکان اطلاعات ژنتیکی را نیز در داده‌های مورد بررسی بگنجانند.