محققان کره‌ای با آموزش یک سیستم هوش مصنوعی توانسته‌اند توانایی تشخیص اتیسم توسط این فناوری را ایجاد کنند.
محققان کالج پزشکی دانشگاه یونسی در کره جنوبی مطالعه‌ای انجام داده‌اند که نشان می‌دهد از مدل‌های هوش مصنوعی یادگیری عمیق می‌توان برای غربالگری اتیسم و ارزیابی شدت آن با تجزیه و تحلیل الگوهای شبکیه چشم استفاده کرد.
به نوشته ساینس الرت، هوش مصنوعی با تصاویری آموزش داده شده بود که در آن به افراد اطلاع داده شده بود که آیا دچار اوتیسم هستند یا نه. هوش مصنوعی هنگام تجزیه و تحلیل شبکیه چشم 958 کودک و نوجوان (که نیمی از آنها مبتلا به اوتیسم بودند)، افراد دارای اتیسم و افراد بدون اوتیسم را به دقت شناسایی کرد. با این حال، هوش مصنوعی در پیش‌بینی شدت علائم از عکس‌های شبکیه کمتر موفق بود و دقتی بین ۴۸ تا ۶۶ درصد داشت.
این مطالعه نشان می‌دهد که عکس‌های شبکیه می‌تواند به عنوان یک روش عینی برای غربالگری اوتیسم و ارزیابی شدت علائم عمل کند و به طور بالقوه ارزیابی زودتر و سریع‌تری را برای کودکان ارائه دهد. محققان بر این باورند که این رویکرد می‌تواند برای بچه‌های کوچکتر هم قابل اجرا باشد، چراکه تغییرات شبکیه در افراد دارای اتیسم ممکن است قبل از بلوغ شبکیه ظاهر شود.
این مطالعه پتانسیل هوش مصنوعی را برای کمک به غربالگری و ارزیابی اتیسم نشان می‌دهد و ابزار تشخیصی غیرتهاجمی و بالقوه سریع‌تری را ارائه می‌دهد.
منبع: اکوایران
