هوش مصنوعی، ابزاری جدید برای غربال‌گری زودهنگام اوتیسم در کودکان نوپا
محققان در پژوهشی جدید اعلام کردند هوش مصنوعی می‌تواند به شناسایی کودکان نوپای مبتلا به اوتیسم کمک کند.
اوتیسم به عنوان اختلالی که هنوز ناشناخته‌های بسیاری دارد، موضوع بحث‌های گسترده‌ای در جامعه علمی و پزشکی است.
این اختلال عصبی-رشدی که با تفاوت‌هایی در نحوه عملکرد مغز همراه است، طیف گسترده‌ای از نشانه‌ها را در بر می‌گیرد و بر نحوه تعامل، ارتباط و درک افراد از محیط اطرافشان تاثیر می‌گذارد.
بر خلاف باور عمومی، اوتیسم یک بیماری نیست، بلکه تفاوت در نحوه پردازش اطلاعات و واکنش به محیط است.
پژوهش‌گران گفتند رویکرد جدید آن‌ها که بر نوعی هوش مصنوعی به نام «یادگیری ماشینی» مبتنی است، می‌تواند مزایایی به همراه داشته باشد.
به گزارش گاردین، یافته‌های این تحقیق که در مجله «جاما نتورک اوپن» منتشر شده، نشان می‌دهد این سیستم غربال‌گری می‌تواند با دقتی حدود ۸۰ درصد، کودکان زیر دو سال مبتلا به اوتیسم را شناسایی کند.
دکتر کریستینا تامیمیس، یکی از نویسندگان این پژوهش از موسسه کارولینسکا سوئد، در این خصوص گفت: «با استفاده از مدل هوش مصنوعی، می‌توان از اطلاعات موجود بهره برد و افراد با احتمال بالای ابتلا به اوتیسم را زودتر شناسایی کرد تا سریع‌تر تشخیص داده شوند و کمک‌های لازم را دریافت کنند.»
او افزود این الگوریتم قادر به تشخیص قطعی اوتیسم نیست و این امر همچنان باید با روش‌های بالینی استاندارد انجام شود.
این پژوهش با استفاده از داده‌های مطالعه اسپارک در ایالات متحده که اطلاعات ۱۵ هزار و ۳۳۰ کودک مبتلا به اوتیسم و ۱۵ هزار و ۳۳۰ کودک بدون اوتیسم را شامل می‌شود، انجام شده است.
محققان بر روی ۲۸ معیار که به راحتی پیش از ۲۴ ماهگی قابل ارزیابی هستند، تمرکز کردند.
این معیارها شامل مواردی مانند سن اولین لبخند و اطلاعات گزارش شده توسط والدین از پرسش‌نامه‌های پزشکی و زمینه‌ای است.
تیم تحقیقاتی با استفاده از این داده‌ها، مدل‌های «یادگیری ماشینی» را ایجاد کردند که هدف آن‌ها یافتن الگوهای مختلف در ترکیبی از این ویژگی‌ها در میان کودکان اوتیستیک و غیر اوتیستیک است.
پس از ساخت، تنظیم و آزمایش چهار مدل مختلف، امیدوارکننده‌ترین مدل انتخاب و بر روی مجموعه داده دیگری شامل ۱۱ هزار و ۹۳۶ شرکت‌کننده آزمایش شد.
یافته‌ها نشان داد این مدل توانسته است ۷۸.۹ درصد از شرکت‌کنندگان با یا بدون اختلال طیف اوتیسم را به‌درستی شناسایی کند.
دقت مدل برای کودکان تا دو سال ۷۸.۵ درصد، برای دو تا چهار سال ۸۴.۲ درصد و برای کودکان چهار تا ۱۰ ساله ۷۹.۲ درصد بود.
در آزمایشی دیگر، مدل «یادگیری ماشینی» با استفاده از مجموعه داده‌ای شامل دو هزار و ۸۵۴ فرد اوتیستیک، توانست ۶۸ درصد از افراد را به‌درستی شناسایی کند.
تامیمیس تاکید کرد عملکرد پایین‌تر در این مجموعه داده به دلیل تفاوت در ساختار خانواده‌ها و از دست رفتن برخی پارامترها بوده است.
پژوهش‌گران در این مطالعه به نتایج مهمی دست یافتند. آن‌ها متوجه شدند که برخی عوامل در تشخیص احتمال اوتیسم از سوی مدل هوش مصنوعی بسیار تاثیرگذار هستند.
این عوامل مواردی مانند مشکلات تغذیه‌ای کودک، زمان آغاز صحبت کردن با جملات کامل‌تر، سن شروع انجام فعالیت‌های دقیق‌تر حرکتی و زمان اولین لبخند کودک را در برمی‌گیرد.
به عبارت دیگر، این نشانه‌های رفتاری و رشدی، نقش کلیدی در پیش‌بینی احتمال اوتیسم داشتند.
علاوه بر این، بررسی‌های دقیق‌تر نشان داد این سیستم هوشمند، بیشتر قادر به تشخیص اوتیسم در کودکانی است که علائم واضح‌تر و مشکلات رشدی گسترده‌تری دارند.
این یافته‌ها می‌تواند به متخصصان یاری برساند تا با دقت بیشتری به این نشانه‌های اولیه توجه کنند.
با این حال، برخی از کارشناسان در خصوص این یافته‌ها هشدار دادند. آن‌ها خاطرنشان کردند که توانایی مدل در شناسایی صحیح افراد غیر اوتیستیک تنها ۸۰ درصد بوده، به این معنی که ۲۰ درصد به اشتباه به عنوان اوتیستیک علامت‌گذاری شده‌اند.
پروفسور جینی راسل، متخصص دانشگاه اکستر گفت تشخیص دقیق در مورد کودکان نوپا کار بسیار پیچیده‌ای است.
به گفته او، برخی کودکان ممکن است در ابتدا علائمی شبیه به اوتیسم نشان دهند، اما با گذشت زمان رشد طبیعی خود را از سر بگیرند.
راسل افزود: «تشخیص این دو گروه از هم در سنین پایین بسیار دشوار است؛ به همین دلیل، نباید عجولانه و تنها بر اساس چند نشانه مانند نحوه غذا خوردن، برچسب‌های روان‌پزشکی به کودکان زیر دو سال بزنیم.»
این پژوهش نشان می‌دهد هوش مصنوعی می‌تواند در تشخیص زودهنگام اوتیسم به متخصصان کمک کند؛ هرچند محققان معتقدند که این فن‌آوری نباید جایگزین روش‌های استاندارد تشخیصی شود و باید با احتیاط مورد استفاده قرار گیرد.
