در سالهای اخیر، توجه به نقش فناوریهای نوین در پایش سلامت کودکان افزایش یافته است و اکنون پژوهش تازهای نشان میدهد که دادههای معمول پروندههای پزشکی میتوانند سرنخهای مهمی درباره روند رشد برخی اختلالات ارائه دهند، بیآنکه هنوز تشخیص رسمی صورت گرفته باشد.
به گزارش سیناپرس، اختلال بیشفعالی و کمتوجهی یا ADHD یکی از رایجترین مشکلات رفتاری در کودکان است که معمولا سالها پس از بروز نخستین نشانهها تشخیص داده میشود. این اختلال میتواند تمرکز کودک، توانایی برنامهریزی، رفتارهای اجتماعی و عملکرد تحصیلی او را تحت تأثیر قرار دهد. بسیاری از خانوادهها تا زمانی که مشکلات تحصیلی یا رفتاری شدیدتر نشود، به وجود یک مسئله جدی پی نمیبرند و همین موضوع روند درمان را به تأخیر میاندازد. از همین رو، پژوهش درباره ابزارهایی که میتوانند نشانههای اولیه را شناسایی کنند اهمیت فراوانی دارد.
پزشکان و متخصصان سلامت کودک نیز سالهاست با چالش تشخیص دیرهنگام این اختلال روبهرو هستند. از آنجا که علائم ADHD میتواند با دیگر ویژگیهای رشدی اشتباه گرفته شود، تشخیص زودهنگام همیشه ساده نیست. به همین دلیل، نیاز به رویکردهای دقیقتر و قابل اعتماد برای شناسایی کودکانی که ممکن است در معرض این اختلال باشند روزبهروز بیشتر احساس میشود. یافتن روشی که بتواند از دل اطلاعات ساده و معمول پزشکی، سرنخهای قابل اعتماد ارائه دهد، میتواند گامی مهم در مسیر مراقبت بهموقع باشد.
در همین راستا، گروهی از پژوهشگران شامل الیوت هیل از بخش آمار زیستی و علوم داده، متیو انگلهارد از همین بخش، و نائومی دیویس از بخش روانپزشکی و علوم رفتاری در دانشکده پزشکی دانشگاه دوک، مطالعهای را انجام دادهاند. این پژوهش با الهام از عنوان تحقیقاتی آنان درباره پیشبینی خطر بروز اختلال توجه، تلاش کرده است با بهرهگیری از ابزارهای هوش مصنوعی، الگوهای پنهان در پروندههای سلامت کودکان را آشکار کند.
در این مطالعه، روش کار بر پایه تحلیل پروندههای الکترونیکی سلامت بیش از ۱۴۰ هزار کودک بود؛ کودکانی که برخی از آنها بعداً دچار ADHD تشخیص داده شدهاند و برخی دیگر نه. پژوهشگران مدل ویژهای از هوش مصنوعی را آموزش دادند تا اطلاعات پزشکی از زمان تولد تا سالهای نخست کودکی را بررسی کند. این مدل با جستوجوی ترکیبی از نشانههای رشدی، رفتاری و پزشکی تلاش کرد الگوهایی را بیابد که معمولا سالها پیش از تشخیص رسمی ظاهر میشوند.
نتایج نشان دادند که این مدل میتواند با دقت بالا احتمال بروز ADHD را در کودکان پنج ساله و بالاتر تخمین بزند، بدون آنکه تحت تأثیر جنسیت، نژاد، قومیت یا وضعیت بیمهای قرار گیرد. این موضوع نشان میدهد که دادههای معمول پزشکی، در صورتی که با ابزارهای مناسب تحلیل شوند، میتوانند اطلاعات ارزشمندی در اختیار پزشکان قرار دهند.
پژوهشگران تأکید کردهاند که این ابزار میتواند به پزشکان کمک کند تا کودکانی را که نیازمند توجه بیشتر یا ارجاع زودتر به متخصص هستند، سریعتر شناسایی کنند. به این ترتیب، امکان دریافت حمایتهای مناسب در زمان کوتاهتری فراهم میشود.
به نقل از ایسنا، اهمیت این یافتهها در آن است که تشخیص زودهنگام میتواند به بهبود عملکرد تحصیلی، روابط اجتماعی و سلامت کلی کودکان کمک کند. وقتی خانوادهها زودتر از وضعیت فرزند خود آگاه شوند، میتوانند از مداخلات علمی و معتبر استفاده کنند و از بروز مشکلات ثانویه جلوگیری نمایند. بررسیهای تکمیلی نشان میدهند که استفاده از چنین ابزارهایی، اگر در آینده و پس از مطالعات بیشتر وارد محیطهای درمانی شود، میتواند از سردرگمی بسیاری از والدین جلوگیری کند و مسیر درمان را برای کودکان هموارتر سازد.
نتایج این مطالعه در نشریه Nature Mental Health منتشر شدهاند؛ نشریهای علمی که به پژوهشهای معتبر در حوزه سلامت روان میپردازد و وابسته به مجموعه نشریات علمی نیچر است.