Τα εργαλεία της τεχνητής νοημοσύνης θα μπορούσαν να συμβάλουν θετικά στον έγκαιρο εντοπισμό των παιδιών στο φάσμα του αυτισμού, διευκολύνοντας την ποιότητα της ζωής τους.
Τα επιτεύγματα της τεχνητής νοημοσύνης στον τομέα της υγείας συναρπάζουν και παράλληλα διευκολύνουν τη δουλειά των γιατρών αναφορικά με την έγκαιρη διάγνωση ασθενειών, όπως ο καρκίνος του μαστού. Ένα αντίστοιχο κατόρθωμα περιγράφει και μια νεότερη μελέτη, αναδεικνύοντας τις ικανότητες αυτών των τεχνολογικών καινοτομιών στον εντοπισμό της διαταραχής του φάσματος αυτισμού.
Πιο συγκεκριμένα, μια κορεατική ερευνητική ομάδα, αποτελούμενη από παιδοψυχολόγους, επιστήμονες συμπεριφοράς, οφθαλμίατρους και ειδικούς πληροφορικής βιοϊατρικών συστημάτων διαπίστωσε ότι τα συστήματα τεχνητής νοημοσύνης που βασίζονται στη βαθιά μάθηση μπορούν να διαγνώσουν με ακρίβεια τα παιδιά στο φάσμα του αυτισμού.
Στη μελέτη τους, η οποία παρουσιάστηκε στο JAMA Network Open, η διεπιστημονική ομάδα δημιούργησε ένα εργαλείο διάγνωσης του αυτισμού χρησιμοποιώντας ένα σύστημα τεχνητής νοημοσύνης βασισμένο στη μάθηση και το εφάρμοσε σε ανθρώπινα υποκείμενα.
ΔΙΑΦΗΜΙΣΗ
Τα παιδιά που βρίσκονται στη διαταραχή του φάσματος του αυτισμού εμφανίζουν προβλήματα στην επικοινωνία, στην κοινωνική αλληλεπίδραση και η συμπεριφορά τους συχνά συνοδεύεται από ένα μοτίβο επαναλαμβανόμενων κινήσεων. Σύμφωνα με προηγούμενες μελέτες, εκτιμάται ότι 1 στα 36 άτομα έχει κάποιο βαθμό αυτισμού, ενώ όσο πιο έγκαιρα εντοπιστεί τόσο ευκολότερη είναι η αντιμετώπιση των καθημερινών τους δυσκολιών.
Η ερευνητική ομάδα σημείωσε ότι προηγούμενες έρευνες έχουν δείξει ότι εγκεφαλικές διαταραχές -όπως η ΔΕΠΥ- μπορούν να οδηγήσουν σε μικρές ανωμαλίες του αμφιβληστροειδούς. Υποθέτοντας ότι αυτό μπορεί να συμβαίνει και με τον αυτισμό, οι ερευνητές διεξήγαγαν ένα πείραμα για να το διαπιστώσουν.
Στην εργασία αυτή, συμπεριλήφθηκε η διδασκαλία ενός συστήματος τεχνητής νοημοσύνης να αναγνωρίζει μοτίβα στους αμφιβληστροειδείς των παιδιών στο φάσμα του αυτισμού. Στη συνέχεια χρησιμοποίησαν το σύστημα για να σαρώσουν εικόνες αμφιβληστροειδούς 958 παιδιών, τα μισά από τα οποία είχαν τη διαταραχή. Το σύστημα κατάφερε να εντοπίσει κάθε ένα από αυτά χωρίς να παράγει κανένα ψευδώς θετικό αποτέλεσμα.
Το μοντέλο απέδιδε επίσης έναν αριθμό βαθμολογίας που έδινε μια εκτίμηση για το πού βρίσκονταν στο φάσμα τα άτομα που αναγνωρίζονταν με τη διαταραχή. Παρόλα αυτά, δεν απέδωσε το ίδιο καλά, με ποσοστό ακρίβειας 48% έως 66%, σε σύγκριση με τις εκτιμήσεις που γίνονται με τυποποιημένα τεστ, όπως το Autism Diagnostic Observation Schedule-Second Edition.
ΔΙΑΦΗΜΙΣΗ
Στο πείραμά τους, τα παιδιά που συμμετείχαν ήταν ηλικίας μεταξύ 4 και 18 ετών- επομένως, δεν είναι ακόμη γνωστό αν το σύστημα θα ήταν το ίδιο ακριβές με μικρότερα παιδιά, καθώς ο αμφιβληστροειδής δεν αναπτύσσεται πλήρως μέχρι την ηλικία των 4 ετών.
Η ομάδα σκοπεύει να το διαπιστώσει με τη διεξαγωγή περισσότερων πειραμάτων.
ygeiamou.gr
