מדענים פיתחו ובדקו מודל למידה עמוקה שיכול לתמוך בקלינאים על ידי מתן תוצאות מדויקות ותובנות ברורות וניתנות להסבר-כולל ציון ההסתברות המוערך מודל לאוטיזם.
המודל, המתואר במחקר שפורסם ב EclinicalMedicine (כתב עת מה- Lancet) שימש לניתוח נתוני FMRI של מצב מנוחה-שיטה לא פולשנית המשקפת בעקיפין את פעילות המוח באמצעות שינויים בחמצן בדם.
בכך, המודל השיג עד 98% דיוק חוצה הוקרה להפרעת ספקטרום אוטיזם (ASD) וסיווג נוירוטיפי והניב מפות ברורות, הניתנות להסבר של אזורי המוח, המשפיעים ביותר על החלטותיה.
אבחנות ASD גדלו באופן משמעותי בשני העשורים האחרונים, מה שמשקף בחלקו מודעות רבה יותר, סינון מורחב ושינויים בקריטריונים לאבחון ובפרקטיקה קלינית. זיהוי מוקדם וגישה לתמיכה מבוססת ראיות יכולים לשפר את התוצאות ההתפתחותיות וההסתגלות ועשויים לשפר את איכות החיים, אם כי ההשפעות משתנות.
עם זאת, מכיוון שהאבחנה הנוכחית מסתמכת בעיקר על הערכות אישיים והתנהגותיים-וההמתנה לאבחון מאושר יכולה להימשך בין חודשים רבים עד מספר שנים-יש צורך דחוף לשפר את מסלולי ההערכה.
החוקרים מקווים כי עם אימות נוסף, המודל שלהם יכול להועיל לאנשים אוטיסטים והקלינאים המעריכים אותם ותומכים בהם על ידי מתן תובנות מדויקות, ניתנות להסבר כדי ליידע החלטות.
המחקר היה תוצאה של פרויקט אחרון לתואר ראשון שנה על ידי סטודנט למדעי המחשב של BSC (HONS) סוריאנש וידיה, בפיקוח על ידי ד"ר אמיר אלי, וחוקרים מבית הספר להנדסה, מחשוב ומתמטיקה באוניברסיטת פלימות '. הם נתמכו בתורם על ידי חוקרים מבית הספר לפסיכולוגיה של האוניברסיטה וקבוצת המחקר השוויוני (CIDER) של קורנוול (CIDER), חלק מבית הספר לרפואה בחצי האי.
ד"ר אמיר אלי, מרצה לבינה מלאכותית ורובוטיקה באוניברסיטה ובמוביל האקדמי של המחקר והסופר המקביל, אמר: "ישנם יותר מ- 700,000 אנשים אוטיסטים בבריטניה, ורבים אחרים מחכים להעריך. מכיוון שאבחון עדיין תלוי במומחה, הערכה התנהגותית אישית, המסע להחלטה מאושרת יכול לקחת חודשים רבים ובשנים מסוימות."
עבודתנו מראה כיצד AI יכול לעזור: לא להחליף קלינאים, אלא לתמוך בהם בתוצאות מדויקות ותובנות ברורות, ניתנות להסבר, כולל ציון הסתברות המוערך מודל, כדי לסייע בתעדוף הערכות ותמיכה בהתאמה אישית לאחר תוקף נוסף. "
ד"ר אמיר אלי, מרצה, בינה מלאכותית ורובוטיקה, אוניברסיטת פלימות '
בעזרת קבוצה של חילופי נתוני הדמיה של האוטיזם (ABIDE), שכללה 884 משתתפים בגילאי 7 עד 64 בכל 17 אתרים, הצוות ניתח נתוני RS-FMRI מעובדים מראש והעביר השוואה זו לצד זו של שיטות הסבר. טכניקות מבוססות שיפוע ביצעו בצורה הטובה ביותר, והמפות שהתקבלו היו עקביות באופן נרחב על פני גישות עיבוד מראש, והראו אילו אזורי מוח השפיעו ביותר על תחזיות המודל.
המחקר כבר מקדים קדימה על ידי חוקרת הדוקטורט קוש גופטה, מחבר משותף למחקר הנוכחי, תוך שילוב סוגים שונים של נתונים רב-מודאליים ומודלים של למידת מכונות במטרה לפתח מודל חזק ומונע על ידי AI שיכול לתמוך בקלינאים בהערכת אוטיזם בכל העולם. זה משלים את תוכנית המחקר הרחבה יותר של ד"ר אלי, כולל שימוש ברובוטים לתמיכה באנשים אוטיסטים, ופיתוח שיטות AI לניתוח נתוני מגזר הבריאות.
פרופסור רוחיט שנקר MBE, פרופסור לנוירופסיכיאטריה באוניברסיטה ומנהל קבוצת סיידר, הוא המחבר הבכיר של המחקר הנוכחי. הוא הוסיף: "הראינו כי לבינה מלאכותית יש פוטנציאל לשמש כזרז לגילוי אוטיזם מוקדם ולקידום דיוק אבחוני. עם זאת, חלק מדבריו של רוברט פרוסט עולים בראש – 'היער כהה ועמוק מקסים, אך יש לנו קילומטרים לפני שנשנים'. באותו אופן, אלה הם אבות אבות מוקדמים הדורשים תוקף נוסף ומחקר."
