چشم ها از ADHD خبر می دهند

به گزارش انکو تشخیص دقیق اختلال کم توجهی-بیش فعالی(ADHD) برای شفاف سازی و حمایت مناسب برای افرادی که به آن نیاز دارند بسیار مهم است اما روش های تشخیص فعلی زمان بر و ناسازگار هستند. یک مطالعه جدید نشان می دهد که هوش مصنوعی می تواند در این امر نیز به ما کمک کند.

به نقل از اس ای محققان در کره جنوبی مدل های یادگیری ماشینی را آموزش دادند تا ویژگی های موجود در عکس های پشت چشم را به تشخیص حرفه ای ADHD متصل کنند.

از بین چهار مدل یادگیری ماشینی که در این مطالعه مورد آزمایش قرار گرفتند بهترین آنها امتیاز ۹۶.۹ درصدی را برای پیش بینی دقیق ADHD تنها بر اساس تجزیه و تحلیل تصویر کسب کرد.

این تیم دریافت که تراکم عروق خونی بالاتر شکل و پهنای رگ ها و تغییرات خاصی در قرص بینایی چشم نشانه های کلیدی این بیماری هستند.

برای چندین سال تصور می شد که تغییرات اتصال مغز مرتبط با ADHD می تواند در چشمان ما نیز ظاهر شود. اگر بدانیم به دنبال چه چیزی باید باشیم این می تواند به معنای روشی سریعتر و قابل اعتمادتر برای تشخیص این اختلال باشد.

محققان به رهبری گروهی از کالج پزشکی دانشگاه یونسی(Yonsei) در مقاله منتشر شده خود می نویسند: تحلیل ما از عکس های فوندوس(fundus) از شبکیه پتانسیل آن را به عنوان یک نشانگر زیستی غیرتهاجمی برای غربالگری ADHD و طبقه بندی نقص عملکرد اجرایی در حوزه توجه بصری نشان داد.

این رویکرد بر روی ۳۲۳ کودک و نوجوانی که قبلاً مبتلا به ADHD تشخیص داده شده بودند و ۳۲۳ کودک دیگر غیر مبتلا به ADHD آزمایش شد که بر اساس سن و جنس با گروه اول مطابقت داشت.

محققان دریافتند که این سامانه هوش مصنوعی در چندین معیار زمانی مربوط به پیش بینی ADHD امتیاز بالایی کسب می کند. همچنین در تشخیص برخی از ویژگی های این اختلال از جمله اختلال در توجه انتخابی بینایی عملکرد خوبی داشت.

چندین تکنیک یادگیری ماشینی برای غربالگری ADHD به تازگی مورد بررسی قرار گرفته است. از تجزیه و تحلیل اسکن چشم گرفته تا تست های رفتاری اما این یکی دارای چند مزیت مهم است. اگرچه دقیق ترین روش از نظر نمرات خام نیست اما بسیار نزدیک است همچنین اجرا و ارزیابی آن سریع است و افزایش مقیاس آن ساده است.

محققان می گویند: مدل های قبلی با دقت بالا معمولاً بر مجموعه متنوعی از متغیرها متکی بودند که هر کدام به طور فزاینده در تمایز موضوعات کمک می کردند. رویکرد جدید ما تجزیه و تحلیل را با تمرکز انحصاری بر روی عکس های شبکیه ساده می کند. این استراتژی داده تک منبعی وضوح و کاربرد مدل های ما را افزایش می دهد.

محققان در مرحله بعد می خواهند این آزمایش ها را در گروه های بزرگ تری از مردم و محدوده های سنی وسیع تر انجام دهند.

آنها می گویند میانگین سنی شرکت کنندگان در این مطالعه ۹.۵ سال بود و می دانیم که ADHD در بزرگسالان می تواند کاملاً متفاوت ظاهر شود.

همچنین فضایی برای بهبود دامنه این سامانه وجود دارد. به عنوان مثال افراد مبتلا به اختلال طیف اوتیسم از بخش اصلی این مطالعه حذف شدند اما آزمایش های بیشتر نشان داد که هوش مصنوعی در تشخیص اوتیسم از ADHD عالی عمل نمی کند.

برآوردهای اخیر حاکی از آن است که از هر ۲۰ نفر یک نفر مبتلا به ADHD است که می تواند شامل مبارزه با توجه تکانه ها و بیش فعالی باشد. افراد بسیاری هستند که تشخیص سریعتر و دقیق تر می تواند برای آنها تفاوت ایجاد کند.

محققان می گویند: غربالگری زودهنگام و مداخله به موقع می تواند عملکرد اجتماعی خانوادگی و تحصیلی را در افراد مبتلا به ADHD بهبود بخشد.

این پژوهش در مجله npj Digital Medicine منتشر شده است.

پایان خبر انکو