به گزارش خبرگزاری اقتصادایران به نقل از اینترستینگ انجینیرینگ، شناسایی اختلال طیف اوتیسم به دلیل محدودیت منابع، به ویژه کمبود متخصصان آموزش دیده برای ارزیابی، با چالش هایی مواجه است. شبکیه افراد مبتلا به این بیماری تغییرات ساختاری را از خود نشان می دهند که ممکن است منعکس کننده تغییرات زمینه ای مغز، از جمله ناهنجاری در مسیر بینایی ناشی از اتصالات جنینی باشد.

محققان کره ای اکنون با استفاده از الگوریتم های یادگیری عمیق راه حلی برای غربالگری اختلال اوتیسم ایجاد کرده اند. این راه حل با استفاده از ارزیابی شدت علائم از روی عکس های شبکیه به دست آمده است.

 اختلال با دو دسته علائم اولیه، یعنی اختلال در ارتباطات اجتماعی و رفتارها یا علایق محدود و تکراری ظاهر می شود. محققان در این مطالعه عکس های شبکیه هزار و 890 چشم شرکت کننده زیر 19 سال را جمع آوری کردند و با استفاده از هوش مصنوعی مدل هایی را ساخته و آموزش دادند تا شدت علائم را بررسی کنند.

مدل هوش مصنوعی هنگام ارزیابی مجموعه آزمایشی تصاویر برای غربالگری اختلال اوتیسم، توانایی شناسایی دقیق کودکان مبتلا به این بیماری را داشتند. در مطالعه حاضر، پیش‌بینی‌های هوش مصنوعی به دقت 100 درصد دست یافتند.

محققان خاطرنشان کردند برای ایجاد تعمیم پذیری در مورد این یافته به تحقیقات بیشتری نیاز است، امامطالعه آنها پیشرفت قابل توجهی را در ایجاد ابزارهای غربالگری عینی برای اوتیسم نشان می دهد. این ابزارها می توانند نگرانی های مبرم، مانند دسترسی محدود به ارزیابی های تخصصی روانپزشکی کودک به دلیل محدودیت منابع را کاهش دهند.

جزئیات مربوط به مطالعه این تیم در مجله Jama Network Open منتشر شد.