به گزارش سیناپرس، پژوهشگران با بهره گیری از یک نرم افزار یادگیری ماشینی مبتنی بر هوش مصنوعی به عنوان یک دستگاه پزشکی SaMD دریافتند می توان به ارائه دهندگان مراقبت های اولیه کمک کرد تا ارزیابی کنند که آیا کودکان خردسال، اختلال طیف اوتیسم دارند یا خیر.
اوتیسم یک اختلال رفتاری است که شامل اضطراب، افسردگی، نقص توجه و بیش فعالی، اسکیزوفرنی، اختلال دوقطبی، اختلالات خواب، اختلالات گوارشی، مشکلات خوردن و تغذیه و تشنج می شود. اوتیسم همه نژادها را تحت تاثیر قرار می دهد و پسران چهار برابر بیشتر از دختران در معرض ابتلا به اوتیسم هستند.
سازمان بهداشت جهانی تخمین می زند که از هر ۱۰۰ کودک در سراسر جهان، یک کودک دارای اختلالات طیف اوتیسم است. بر اساس آمار شبکه نظارت بر اوتیسم و ناتوانی های رشدی مرکز کنترل و پیشگیری از بیماری های ایالات متحده ، تقریباً از هر ۴۴ کودک هشت ساله آمریکایی، یک کودک هشت ساله مبتلا به اوتیسم در سال ۲۰۱۸ شناسایی شد.
به گزارش سیناپرس، پژوهشگران طی مطالعات جدید خود، یک نرم افزار را به عنوان یک دستگاه پزشکی به نام Cognoa ASD Diagnosis Aid ایجاد کردند که از یادگیری ماشینی هوش مصنوعی بهره برده 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 اطفال و علوم داده های زیست پزشکی دانشگاه استانفورد و استاد بیوانفورماتیک در دانشکده پزشکی هاروارد، طراح سامانه Cognoa، سرپرست این تیم مطالعاتی بوده و این الگوریتم یادگیری ماشینی مبتنی بر هوش مصنوعی جدید را طراحی کرد. این سیستم از طبقه بندی داده های معاینات مبتنی بر مصاحبه که توسط پزشکان در مورد علائم اوتیسم بهره می برد.
مطالعات پیشین منتشر شده در سال ۲۰۱۲، نشان می دهد قابلیت تشخیص هوش مصنوعی برای شناسایی بیماران دارای اختلال اوتیسم ۹۲ درصد است. در این تحقیقات جدید، هوش مصنوعی به میزان بیشتری تقویت شد تا شامل ابزاری باشد که توسط پزشکان بر اساس مشاهدات دست اول استفاده می شود.
گفتنی است نسخه هوش مصنوعی ارزیابی شده در این مطالعه ، نسل چهارم این فناوری است و به میزان قابل توجهی بهبود یافته است. به گزارش سیناپرس،این مطالعه توانایی دستگاه مجهز به هوش مصنوعی را برای کمک به متخصصان پزشکی در تشخیص اختلال طیف اوتیسم در کودکان بین سنین ۱۸ تا ۷۲ ماه که نگرانی والدین یا ارائه دهنده مراقبت های بهداشتی را برای تأخیر رشد دارند، ارزیابی کرد.
گفتنی است پیش بینی های ایجاد شده توسط دستگاه یادگیری ماشین با تشخیص بالینی انسان بر اساس معیارهای DSM-5 مقایسه شده و توسط یک یا چند پزشک متخصص بازبینی تأیید شد.
شرح کامل این پژوهش در آخرین شماره مجله تخصصی npj Digital Medicine، از زیر مجموعه های Nature Portfolio، منتشر شده و در اختیار محققان قرار دارد.
مترجم: مریم عالمی