دستگاه هوش مصنوعی به تشخیص اوتیسم در کودکان کمک می کند

به گزارش علمی نیوز و به نقل از Psychology Today،  یک مطالعه بررسی شده جدید منتشر شده در npj Digital Medicine ، یک مجله Nature Portfolio، نتایج یک کارآزمایی بالینی را نشان می دهد که در آن یک نرم افزار یادگیری ماشینی هوش مصنوعی (AI) به عنوان یک دستگاه پزشکی (SaMD) به ارائه دهندگان مراقبت های اولیه کمک کرد تا ارزیابی کنند که آیا کودکان خردسال یا خیر. اختلال طیف اوتیسم (ASD) دارند.

اوتیسم یک اختلال کل بدن با بیماری های مشترک است که شامل اضطراب ، افسردگی ، اختلال کمبود توجه و بیش فعالی (ADHD)، اسکیزوفرنی، اختلال دوقطبی ، اختلالات خواب، اختلالات گوارشی، مسائل مربوط به خوردن و تغذیه، و تشنج می شود. اوتیسم همه اقوام را تحت تاثیر قرار می دهد و پسران چهار برابر بیشتر از دختران در معرض ابتلا به اوتیسم هستند.

سازمان بهداشت جهانی (WHO) تخمین می زند که از هر 100 کودک در سراسر جهان، یک کودک دارای اختلالات طیف اوتیسم است. بر اساس شبکه نظارت بر اوتیسم و ​​ناتوانی‌های رشدی (ADDM) مرکز کنترل و پیشگیری از بیماری‌های ایالات متحده (CDC)، تقریباً از هر 44 کودک هشت ساله آمریکایی، یک کودک هشت ساله در سال 2018 مبتلا به اوتیسم شناسایی شد.

این مطالعه بررسی شده، نرم افزاری را به عنوان یک دستگاه پزشکی به نام Cognoa ASD Diagnosis Aid ارزیابی کرد که از یادگیری ماشینی هوش مصنوعی بهره می برد و از یک برنامه تلفن همراه برای مراقبان و پورتال هایی برای تجزیه و تحلیل ویدئو و ارائه دهندگان مراقبت های بهداشتی تشکیل شده است. دنیس وال، دانشیار بخش اطفال و علوم داده های زیست پزشکی استانفورد، بنیانگذار علمی Cognoa، الگوریتم یادگیری ماشین هوش مصنوعی را برای طبقه بندی داده های معاینات مبتنی بر مصاحبه که توسط پزشکان به ارائه دهنده مراقبت در مورد علائم اوتیسم زمانی که در مرکز اوتیسم بود، ایجاد کرد. بیوانفورماتیک در دانشکده پزشکی هاروارد.

الگوریتم یادگیری ماشین در ابتدا در آزمایشگاه دکتر وال توسعه یافت. این هوش مصنوعی در پایگاه داده تبادل منابع ژنتیکی اوتیسم (AGRE) در Autism Speaks آموزش داده شد و سپس با همان پایگاه داده همراه با داده های بنیاد سیمونز و کنسرسیوم اوتیسم بوستون اعتبارسنجی شد. طبق مطالعه قبلی که در سال 2012 منتشر شد، طبقه‌بندی‌کننده هوش مصنوعی دکتر وال در پیش‌بینی افرادی که ASD نداشتند 92 درصد دقیق بود. هوش مصنوعی بیشتر تقویت شد تا شامل ابزاری باشد که توسط پزشکان بر اساس مشاهدات دست اول کودک به نام اوتیسم استفاده می‌شود. برنامه مشاهده تشخیصی (ADOS).

نسخه هوش مصنوعی ارزیابی شده در این مطالعه حاضر در نسل چهارم خود است و با تحقیق و توسعه بعدی بهبود یافته است. این مطالعه توانایی دستگاه مجهز به هوش مصنوعی را برای کمک به متخصصان پزشکی در تشخیص اختلال طیف اوتیسم در کودکان بین سنین 18 تا 72 ماه که نگرانی والدین یا ارائه‌دهنده مراقبت‌های بهداشتی برای تاخیر رشد دارند، ارزیابی کرد. پیش‌بینی‌های ایجاد شده توسط دستگاه یادگیری ماشین با تشخیص بالینی انسان بر اساس معیارهای DSM-5 مقایسه شد و توسط یک یا چند پزشک متخصص بازبینی تأیید شد.

در یک مطالعه ۴۲۵ شرکت‌کننده، الگوریتم یادگیری ماشینی هوش مصنوعی در ۳۲ درصد از بیماران تشخیص «مثبت برای ASD» یا «منفی برای ASD» را ایجاد کرد. هوش مصنوعی دقت پیش‌بینی ۹۸.۴ درصدی برای کودکان مبتلا به اوتیسم و ​​۷۸.۹ درصد آن‌هایی که ASD نداشتند، داشت. برای 68 درصد از کودکانی که هوش مصنوعی نتایج «نامشخص» را نشان می‌دهد، 91 درصد یک یا چند وضعیت عصبی رشدی داشتند.

برای زمینه‌سازی طبقه‌بندی‌های «نامعین»، توجه به این نکته مفید است که یک یا چند وضعیت سلامت روان اغلب با افراد مبتلا به اوتیسم همراه است. با توجه به اوتیسم و ​​سلامت: گزارش ویژه توسط Autism Speaks ، مطالعات اپیدمیولوژیک تخمین می‌زند که 54 تا 70 درصد از مبتلایان به اوتیسم حداقل یک بیماری روانی دارند. به گزارش اوتیسم اسپیکز، شایع ترین شرایط سلامت روان در میان افراد اوتیستیک اختلال نقص توجه و بیش فعالی (ADHD) است . این گزارش اشاره می کند که در مطالعات مختلف دیگری که در ده سال گذشته انجام شده است، تخمین زده می شود که 30 تا 61 درصد از افراد مبتلا به اوتیسم نیز دارای ADHD هستند، که بسیار بیشتر از حدود 6-7 درصد از جمعیت عمومی مبتلا به ADHD از CDC است. در میان افراد مبتلا به اوتیسم، حدود 11 تا 42 درصد یک یا چند اختلال اضطرابی، 7 درصد از کودکان و 26 درصد از بزرگسالان افسردگی، 4 تا 35 درصد از بزرگسالان مبتلا به اسکیزوفرنی، و 6 و 27 درصد دارای اختلال دوقطبی هستند.