به گزارش سیناپرس، محققان مدل‌های یادگیری ماشینی را توسعه دادند که ارتباط بین صدها متغیر بالینی، از جمله مراجعه به پزشک و خدمات مراقبت‌های بهداشتی را برای شرایط پزشکی ظاهرا نامرتبط، ارزیابی می‌کند تا احتمال اختلال طیف اوتیسم را در کودکان خردسال پیش‌بینی کند.
کیوشی چن، نویسنده مقاله، استادیار مهندسی صنایع و تولید در کالج مهندسی ایالت پن، گفت: داده‌های ادعای بیمه، که شناسایی نشده و به طور گسترده در مجموعه داده‌های اسکن بازاریابی در دسترس است، جزئیات پزشکی کامل و طویلی در مورد بیمار ارائه می‌دهد.
یافته های علمی در این زمینه نشان می‌دهد که کودکان مبتلا به اختلال طیف اوتیسم اغلب دارای میزان بالاتری از علائم بالینی مانند انواع مختلف عفونت‌ها، مشکلات گوارشی، تشنج و همچنین نشانه‌های رفتاری هستند.
این علائم دلیلی برای اوتیسم نیستند، اما اغلب در میان کودکان مبتلا به اوتیسم به ویژه در سنین پایین ظاهر می شوند، بنابراین ما از آن ها الهام گرفتیم تا اطلاعات پزشکی را برای کمیت و پیش بینی احتمال های مرتبط ترکیب کنیم.
محققان داده‌ها را به مدل‌های یادگیری ماشینی داده‌اند و به آنها آموزش می‌دهند تا صدها متغیر را برای یافتن همبستگی‌هایی که با افزایش احتمال ابتلا به اختلال اوتیسم مرتبط هستند، ارزیابی کند.
گوئودونگ لیو، دانشیار علوم بهداشت عمومی، روانپزشکی و سلامت رفتاری و اطفال در کالج پزشکی ایالت پن، گفت: اختلال اوتیسم یک ناتوانی رشدی است.
مشاهدات و چندین غربالگری برای یک پزشک لازم است تا بیماری را تشخیص دهد. این روند معمولا طولانی است و بسیاری از کودکان فرصت مداخلات اولیه را از دست می دهند که موثرترین راه برای بهبود آن ها است.
یکی از ابزارهای غربالگری رایج برای کمک به شناسایی کودکان خردسال با احتمال بالای اختلال اوتیسم، چک لیست اصلاح شده برای اوتیسم در کودکان نوپا (M-CHAT) نام دارد، که به طور معمول در ویزیت های معمول کودکان در 18 و 24 ماهگی ارائه می شود.
این شامل 20 سؤال است که بر رفتارهای مربوط به تماس چشمی، تعاملات اجتماعی و برخی نقاط عطف فیزیکی مانند راه رفتن متمرکز است. پزشکان بر اساس مشاهدات خود پاسخ می دهند، اما، به گفته چن، رشد در این سنین به قدری متفاوت است که این ابزار ممکن است کودکان را به اشتباه شناسایی کند. در نتیجه، کودکان اغلب تا چهار یا پنج سالگی به طور موثری تشخیص داده نمی شوند، به این معنی که سال ها مداخلات اولیه احتمالی را از دست می دهند.
چن گفت: مدل جدید ما که مجموع عوامل خطر شناسایی شده را با هم برای اطلاع از سطح احتمال به صورت کمیتی ارائه می کند، در حال حاضر با ابزار غربالگری موجود قابل مقایسه و در برخی موارد حتی کمی بهتر است.
هنگامی که مدل را با ابزار غربالگری ترکیب می کنیم، رویکرد بسیار امیدوارکننده ای برای پزشکان داریم. به گفته لیو، ادغام این مدل با ابزار غربالگری برای استفاده بالینی عملا امکان پذیر است.
لیو می گوید؛ یکی از نقاط قوت این کار این است که این رویکرد انفورماتیک بالینی را می توان به راحتی در جریان بالینی گنجاند.
مدل پیش‌بینی می‌تواند در سیستم پرونده الکترونیک سلامت بیمارستان، که برای ترسیم سلامت بیمار استفاده می‌شود، به‌عنوان یک ابزار پشتیبانی تصمیم‌گیری بالینی برای پرچم‌گذاری کودکان در معرض خطر تعبیه شود تا هم پزشکان و هم خانواده‌ها بتوانند زودتر اقداماتی را انجام دهند.
چن با ویتنی گاتری، روانشناس بالینی در بیمارستان کودکان فیلادلفیا مرکز تحقیقات اوتیسم و استادیار روانپزشکی و اطفال در دانشکده پزشکی پرلمن دانشگاه پنسیلوانیا کار می کند.
آنها دقیقاً تجزیه و تحلیل می کنند که ترکیبی از داده های ثبت شده بیمارستانی و نتایج به دست آمده چقدر تشخیص اوتیسم را پیش بینی می کند، و همچنین در حال بررسی سایر ابزارهای غربالگری بالقوه است که می تواند پزشکان را بهتر برای کمک به بیماران خود تجهیز کند.
گاتری گفت: نه تنها ابزار فعلی بسیاری از کودکان در طیف اوتیسم را از دست می دهد، بلکه بسیاری از کودکانی که توسط ابزار غربالگری ما شناسایی می شوند، به دلیل ظرفیت تشخیص محدود ما، لیست انتظار طولانی را تجربه می کنند.
اگرچه بسیاری از کودکان را شناسایی می کند، اما M-CHAT همچنین دارای نرخ های بسیار بالایی از مثبت کاذب و منفی کاذب است، به این معنی که بسیاری از کودکان اوتیستیک از دست داده می شوند و سایر کودکان در زمانی که ممکن است نیازی به ارزیابی اوتیسم نداشته باشند، ارجاع داده می شوند. مشکلات به انتظار طولانی، اغلب چندین ماه یا حتی سالها، برای ارزیابی بیشتر اضافه می شود.
عواقب برای کودکانی که با ابزارهای غربالگری کنونی ما فراموش می شوند، بسیار مهم است، زیرا تشخیص تاخیری اغلب به این معنی است که کودکان فرصت مداخله زودهنگام را به طور کامل از دست می دهند. پزشکان اطفال به ابزارهای غربالگری بهتری نیاز دارند تا همه کودکانی را که نیاز به ارزیابی اوتیسم دارند در اسرع وقت شناسایی کنند.
بخشی از مشکل، تعداد محدود روانشناس، متخصص رشدی اطفال و سایر متخصصان در زمینه رشد کودکان است که می توانند اختلال طیف اوتیسم را تشخیص دهند. به گفته چن، راه حل ممکن است در مهندسی صنایع وجود داشته باشد.
چن گفت: ایده کلیدی بهبود نحوه استفاده از منابع است. با تخصص بالینی دکتر گاتری و توانایی‌های مدل‌سازی گروه من، هدف ما ایجاد ابزاری است که پزشکان با مراقبت‌های اولیه و بدون نیاز به آموزش تخصصی بتوانند از آن استفاده کنند تا ارزیابی‌های مطمئنی برای تشخیص هر چه زودتر کودکان انجام دهند تا مراقبت‌های مورد نیاز را در اسرع وقت دریافت کنند.
منبع: medicalxpress.com
مترجم: سید سپهر ارومیهء