محققان با استفاده از تصاویر شبکیه چشم کودکان و الگوریتم یادگیری عمیق هوش مصنوعی، توانستند اوتیسم را با دقت 100 درصدی تشخیص دهند. این تحقیق از هوش مصنوعی به‌عنوان یک ابزار در غربالگری و تشخیص زودهنگام، به‌ویژه زمانی که دسترسی به روان‌پزشک متخصص کودک محدود است، استفاده می‌کند.
با استناد به یک مقاله منتشرشده در JAMA Network Open، تیم تحقیقاتی از کالج پزشکی دانشگاه Yonsei در کره جنوبی، با استفاده از تصاویر شبکیه که توسط الگوریتم هوش مصنوعی غربال شده‌اند، یک روش برای تشخیص اختلال طیف اوتیسم (ASD) و اندازه‌گیری شدت علائم آن در کودکان را توسعه داده‌اند.
در ساختار چشم، شبکیه و عصب بینایی به یکدیگر در دیسک بینایی یا نقطه کور متصل می‌شوند. این ساختار که به سیستم عصبی مرکزی ارتباط دارد، به عنوان یک دریچه به مغز خدمت می‌کند و این اتصال امکان دسترسی آسان و ایمن به مغز را فراهم می‌کند. به عنوان یک نمونه، تازه‌ترین پژوهشگران بریتانیایی با استفاده از یک ابزار لیزری بی‌ضرر که روی شبکیه چشم تابانده می‌شود، روشی برای سریع تشخیص ضربه مغزی را ابداع کرده‌اند.
تشخیص اوتیسم با اعتماد به هوش مصنوعی
محققان از 958 شرکت‌کننده با میانگین سن 7.8 سال استفاده کرده‌اند و از تصاویر شبکیه چشم آن‌ها به‌عنوان داده‌های ورودی، به‌منظور تشخیص اختلال طیف اوتیسم (ASD) و اندازه‌گیری شدت علائم آن، استفاده کردند. نیمی از شرکت‌کنندگان مبتلا به ASD بودند و نیمه دیگر گروه کنترل را تشکیل می‌دادند. با استفاده از یک شبکه عصبی کانولوشن (CNN)، که یک الگوریتم یادگیری عمیق است، مدل‌هایی برای غربالگری شدت علائم ASD آموزش دادند. این هوش مصنوعی با استفاده از 85 درصد از تصاویر شبکیه و نمرات آزمون عملکرد موفقیت‌آمیزی در تمایز بین کودکان سالم و مبتلا به اوتیسم داشت. این پژوهش نشان می‌دهد که تغییرات در شبکیه ممکن است به‌عنوان نشانگرهای زیستی در تشخیص ASD مورد استفاده قرار گیرند و هوش مصنوعی با استفاده از تصاویر شبکیه توانسته است با دقت بالا این تمایز را ایجاد کند.
نظرات کاربران