تشخیص اوتیسم توسط هوش مصنوعی

در آزمایش‌های انجام شده توسط داده‌های مربوط به ۱۲ هزار کودک در برنامه‌ای موسوم به AutMedAI، موفق به شناسایی حدود ۸۰ درصد از کودکان مبتلا به اوتیسم شد.

به نظر محققان شاخص‌هایی مانند سن اولین لبخند کودک، اولین جملات کوتاه ادا شده و وجود مشکلات در غذاخوردن، به طور خاص به‌ پیش بینی اوتیسم کمک کرده است.

به گفته کریستینا تامیمیز استادیار دانشکده سلامت زنان و کودکان در مؤسسه کارولینسکا در سوئد و از محققان ارشد، امیدواریم ابزار هوش مصنوعی با رسیدن به‌ دقت تقریباً ۸۰ درصدی برای کودکان زیر دو سال، دارای ارزش بیشتری برای بخش سلامت شود.

محققان عقیده دارند همچنین با بهره‌مندی از برنامه هوش مصنوعی، نتایج خوبی در شناسایی کودکانی که در زمینه ارتباطات اجتماعی، توانایی شناختی و تاخیر‌های رشدی دارای مشکلاتی هستند نشان داده است.

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

به گفته شیام راجا گوپالان استادیار مؤسسه بیوانفورماتیک و از محققان مؤسسه یاد شده در هندوستان، دلیل قابل‌توجه دانستن این نتایج، توانایی شناسایی افراد با احتمال ابتلا به اوتیسم، با وجود اطلاعات محدود و در دسترس است.

وجه اهمیت تشخیص زودهنگام اوتیسم، نتیجه درمانی بهتر کودکانی است که درمان را زودتر دریافت کرده‌اند.

در حال حاضر، محققان در راستای بهبود بیشتر عملکرد این برنامه هوش مصنوعی، می‌خواهند اطلاعات ژنتیکی را در صورت امکان، در داده‌های مورد بررسی بگنجانند.

ایرنا