به گزارش رکنا، الگوریتم ماشینی هوش مصنوعی به پزشکان کمک می‌کند تا در مراحل ابتدائی اوتیسم را در کودکان شناسایی کنند.
یک مطالعه بررسی شده جدید در npj Digital Medicine، نتایج یک کارآزمایی بالینی را نشان می‌دهد که در آن یک نرم افزار یادگیری ماشینی هوش مصنوعی (AI) به عنوان یک دستگاه پزشکی (SaMD) به داوطلبان اولیه کمک کرد تا اختلال طیف اوتیسم (ASD) را در کودکان خردسال ارزیابی کنند.
به گزارش psychologytoday.com، اوتیسم یک اختلال در کل بدن با بیماری‌های مشترک است که شامل اضطراب، افسردگی، نقص توجه، بیش فعالی (ADHD)، اسکیزوفرنی، اختلال دوقطبی، اختلالات خواب، اختلالات گوارشی، مشکلات خوردن و تغذیه و تشنج می‌شود. پسران چهار برابر بیشتر از دختران در معرض ابتلا به اوتیسم قرار دارند.
سازمان بهداشت جهانی (WHO) تخمین می‌زند که از هر ۱۰۰ کودک در سراسر جهان، یک کودک دارای اختلالات طیف اوتیسم است. بر اساس شبکه نظارت بر اوتیسم و ناتوانی‌های رشدی (ADDM) و مرکز کنترل و پیشگیری از بیماری‌های آمریکا (CDC)، در سال ۲۰۱۸ تقریباً از هر ۴۴ کودک هشت ساله آمریکایی، یک کودک مبتلا به اوتیسم شناسایی شد.
این مطالعه بررسی شده یک نرم افزار را به عنوان یک دستگاه پزشکی به نام Cognoa ASD Diagnosis Aid ارزیابی کرد. این دستگاه که از یادگیری ماشینی هوش مصنوعی بهره می‌برد، از یک برنامه تلفن همراه برای مراقبان و پورتال‌هایی برای تجزیه و تحلیل ویدئو و ارائه دهندگان مراقبت‌های بهداشتی تشکیل شده است.
دنیس وال، دانشیار اطفال و علوم داده‌های زیست پزشکی استانفورد، بنیانگذار علمی Cognoa، الگوریتم یادگیری ماشین هوش مصنوعی را برای طبقه بندی داده‌های معاینات مبتنی بر علائم اوتیسم ایجاد کرد. الگوریتم یادگیری ماشین ابتدا در آزمایشگاه دکتر وال توسعه داده شد.
طبق مطالعات منتشر شده در سال ۲۰۱۲، طبقه‌بندی هوش مصنوعی دکتر وال در پیش‌بینی افرادی که ASD نداشتند، ۹۲ درصد درست بود. هوش مصنوعی بیشتر تقویت شد تا شامل ابزاری باشد که پزشکان بر اساس مشاهدات دست اول کودک اوتیسم را تشخیص دهند. نسخه هوش مصنوعی ارزیابی شده در این مطالعه حاضر در نسل چهارم خود با تحقیق و توسعه بهبود یافته است.
این مطالعه توانایی دستگاه مجهز به هوش مصنوعی را برای کمک به متخصصان پزشکی در تشخیص اختلال طیف اوتیسم (در کودکان بین سنین ۱۸ تا ۷۲ ماه) ارزیابی کرده است. پیش‌بینی‌های ایجاد شده توسط دستگاه یادگیری ماشین با تشخیص بالینی انسان بر اساس معیار‌های DSM-۵ مقایسه و توسط چند پزشک متخصص تأیید شد.
در یک مطالعه که ۴۲۵ شرکت‌کننده حضور داشتند، الگوریتم یادگیری ماشین هوش مصنوعی در ۳۲ درصد بیماران تشخیص مثبت ASD یا منفی ASD را ایجاد کرد. دستگاه هوش مصنوعی دقت پیش‌بینی ۹۸.۴ درصدی برای کودکان مبتلا به اوتیسم و ۷۸.۹ درصد آن‌هایی که ASD نداشتند، داشت.
با توجه به گزارش ویژه توسط Autism Speaks، در مطالعات اپیدمیولوژیک تخمین زده می‌شود که ۵۴ تا ۷۰ درصد از مبتلایان به اوتیسم حداقل یک بیماری روانی داشته اند. به گفته اوتیسم اسپیکز، شایع‌ترین شرایط سلامت روان در میان افراد اوتیستیک اختلال نقص توجه و بیش فعالی (ADHD) است. همچنین این گزارش اشاره می‌کند که در مطالعات مختلف دیگری که در ده سال گذشته انجام شده است، تخمین زده می‌شود که ۳۰ تا ۶۱ درصد از افراد مبتلا به اوتیسم نیز دارای ADHD هستند که این مقدار بیشتر از حدود ۶-۷ درصد از جمعیت عمومی مبتلا به ADHD از CDC است.
