17/6/24

Η τεχνητή νοημοσύνη ανιχνεύει τον παιδικό αυτισμό χρησιμοποιώντας φωτογραφίες των παιδικών ματιών

How to Help an Autistic Child Build Artistic Skills
πηγη


Σύστημα τεχνητής νοημοσύνης διαγιγνώσκει τον αυτισμό από φωτογραφίες του αμφιβληστροειδούς με 100% ακρίβεια

Μια νέα τεχνητή νοημοσύνη μπορεί να ανιχνεύσει και να διαγνώσει τον παιδικό αυτισμό μόνο με τη σάρωση φωτογραφιών των ματιών τους.

Το σύστημα αποτελείται από έναν αλγόριθμο τεχνητής νοημοσύνης βαθιάς μάθησης, ο οποίος διέγνωσε τον παιδικό αυτισμό με ακρίβεια 100% κατά τη διάρκεια μιας δοκιμαστικής φάσης. Τα ευρήματα που περιβάλλουν το νέο σύστημα ανίχνευσης θα μπορούσαν να επιτρέψουν καλύτερα εργαλεία προσυμπτωματικού ελέγχου και έγκαιρη διάγνωση.

Οι επιστήμονες έχουν αναπτύξει μια νέα μέθοδο ελέγχου που τους επιτρέπει να έχουν πρόσβαση σε πληροφορίες σχετικά με τον εγκέφαλο εξετάζοντας το πίσω μέρος του ματιού όπου ο αμφιβληστροειδής και το οπτικό νεύρο συνδέονται με τον οπτικό δίσκο. Αυτή η καινοτόμος μέθοδος κατέστησε δυνατή τη γρήγορη διάγνωση διάσεισης με μη επεμβατικό τρόπο.

Το σύστημα ανίχνευσης του αυτισμού μέσω της τεχνητής νοημοσύνης λειτουργεί αρκετά αποτελεσματικά. Για να αξιολογήσουν την ακρίβεια των αλγορίθμων, οι ερευνητές διεξήγαγαν μια μελέτη με 958 συμμετέχοντες, οι οποίοι είχαν μέση ηλικία 7,8 ετών. Οι ερευνητές πήραν συνολικά 1.890 εικόνες αμφιβληστροειδούς των συμμετεχόντων.

Η μελέτη περιελάμβανε δύο ομάδες συμμετεχόντων – μία ομάδα αποτελούμενη από άτομα που είχαν διαγνωστεί με διαταραχή του φάσματος του αυτισμού (ASD) και η άλλη ομάδα αποτελούμενη από συμμετέχοντες ελέγχου που ταιριάζουν με την ηλικία και το φύλο. 

Ένα σύστημα τεχνητής νοημοσύνης εκπαιδεύτηκε χρησιμοποιώντας το 85% των εικόνων αμφιβληστροειδούς, μαζί με βαθμολογίες σοβαρότητας συμπτωμάτων, για τη δημιουργία μοντέλων διάγνωσης. Το υπόλοιπο 15% των εικόνων διατηρήθηκε για δοκιμαστικούς σκοπούς.

Σύμφωνα με τους ερευνητές, το AI ήταν σε θέση να εντοπίσει παιδιά με αυτισμό με τέλειο ποσοστό ακρίβειας 100%, όπως αποδεικνύεται από μια μέση περιοχή κάτω από την καμπύλη χαρακτηριστικού λειτουργίας δέκτη (AUROC) 1,00.

Το μοντέλο που αναφέρθηκε είναι πολλά υποσχόμενο, καθώς δείχνει πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην ανίχνευση του παιδικού αυτισμού πολύ πιο γρήγορα, ιδιαίτερα σε περιοχές όπου ένας εξειδικευμένος παιδοψυχίατρος δεν είναι εύκολα προσβάσιμος.

Ωστόσο, έχει ακόμα πολύ δρόμο να διανύσει πριν μπορέσει να αντικαταστήσει πλήρως τις δοκιμές που καθοδηγούνται από τον άνθρωπο. Ωστόσο, αυτό το επίτευγμα είναι αξιοσημείωτο και υπογραμμίζει περαιτέρω την αποτελεσματικότητα και τη χρησιμότητα που θα μπορούσαν να προσφέρουν τα συστήματα τεχνητής νοημοσύνης στην ιατρική βιομηχανία.

ΠΗΓΗ