به گزارش ایده زیست نوترکیب، محققان دانشگاه استنفورد الگوریتمی را توسعه داده اند که ممکن است به شناسایی ابتلای فرد به اوتیسم از طریق بررسی اسکن های مغزی کمک کند. این الگوریتم جدید، حاصل از پیشرفت های اخیر در هوش مصنوعی، همچنین میتواند با موفقیت شدت علائم اوتیسم را در افراد بیمار پیش بینی کند. با افزایش دقت، این الگوریتم میتواند منجر به تشخیص سریعتر، درمان های هدفمند تر و گسترش درک ما از منشا اوتیسم در مغز شود.
این الگوریتم با دقت اطلاعات به دست اماده از اسکن fMRI را خوانده و بررسی میکند. این اسکن ها الگوهایی از فعالیت نورونی سرتاسر مغز را ثبت میکنند. با نقشه برداری از این فعالیت ها در گذر زمان از مناطق مختلف مغز، الگوریتم یک اثر انگشت از فعالیت مغزی را ثبت میکند. اگرچه مانند اثر انگشت واقعی این اثر انگشت هم در افراد مختلف منحصر به فرد است، اما با این حال اثر انگشت مغزی در افراد مختلف ویژگی های مشترکی دارد، که اجازه طبقه بندی و دسته بندی انها را میدهد.
همانطور که در مطالعه جدید در مجله Biological Psychiatry توضیح داده شده است، این الگوریتم اسکن مغز حدودا 1100 بیمار را بررسی کرد و با دقت 82 درصد، الگوریتم توانست یک گروه از بیماران را که پیشتر، از طریق بررسی های کلینیکی انسانی، اوتیسم انها تشخیص داده شده بود شناسایی کند.
دکتر Kaustubh Supekar نویسنده اصلی و استادیار بالینی استنفورد گفت: اگرچه اوتسیم یکی از رایج ترین بیماری های رشد عصبی است، هنوز چیزهای زیادی در مورد ش وجود دارد که از آن بی اطلاعیم. در این مطالعه ما نشان داده ایم که مدل انگشت نگاری مغزی مبتنی بر هوش مصنوعی ما میتواند به صورت بالقوه یک ابزار جدید برای پیشبرد تشخیص و درمان باشد.
بر خلاف شمار زیادی از بیماری های دیگر، اوتیسم فاقد یک نشانگر زیستی عینی است. به این معنا که یک تست ساده برای تشخیص ان وجود ندارد. در عوض تشخیص مبتنی بر مشاهده رفتار بیمار است.
دکتر Supekar می گوید ما نیاز داریم تا یک نشانگر زیستی مجزا برای اوتیسم ایجاد کنیم و انگشت نگاری مغز یک قدم ما را به این امر نزدیک تر کرده است.
همچنین ایشان ابراز امیدواریم کرد که این رویکرد بتواند در تشخیص اوتیسم در بازده زمانی ای که فرصت برای مداخلات به منظور دستیابی به حداکثر اثربخشی وجود دارد موثر باشد.
