Точната дијагноза на ADHD е клучна, но постојните методи често се бавни и несигурни. Нова студија од Јужна Кореја покажува дека вештачката интелигенција може да открие знаци на ADHD преку анализа на фотографии од задниот дел на окото, нудејќи побрза и поедноставна алтернатива на традиционалните дијагностички методи.
Од четирите модели на машинско учење тестирани во студијата, најдобриот постигна точност од 96,9 проценти за предвидување на ADHD (нарушување на хиперактивност и дефицит на внимание), само врз основа на анализа на фотографии.
Тимот открил дека поголемата густина на крвните садови, обликот и ширината на крвните садови, како и одредени промени во оптичкиот диск на окото, се клучни знаци дека некој има вакво нарушување.
Веќе долго време се претпоставува дека промените во мозочните врски кај луѓето со ADHD може да се рефлектираат и во структурата на окото. Ако научиме точно што да препознаваме, тоа може да доведе до побрзо и попрецизно откривање на ова нарушување.
Нашата анализа на фотографии од фундусот (задниот дел од окото, кој вклучува мрежница, оптички диск, местото каде што се спојуваат сите оптички нерви и крвни садови) покажа потенцијал да биде неинвазивен биомаркер за скрининг на ADHD и стратификација на дефицитите на извршните функции во доменот на визуелното внимание, пишуваат истражувачите, предводени од тимот од Медицинскиот колеџ на Универзитетот Јонсеи во нивниот објавен труд.
Пристапот беше тестиран на 323 деца и адолесценти кои веќе биле дијагностицирани со ADHD и уште 323 без дијагноза за ADHD, кои беа споредени по возраст и пол со првата група.
Истражувачите откриле дека системот за вештачка интелигенција постигнал високи резултати по неколку мерки кога станува збор за предвидување на ADHD. Исто така, се покажа ефикасен во откривањето на некои од карактеристиките на нарушувањето, вклучително и оштетување на визуелното селективно внимание.
Неодамна се истражуваат различни техники на машинско учење за скрининг на ADHD, од анализи на скенирање на очи до тестови за однесување, но овој метод има неколку клучни предности. Иако не е апсолутно најточен во однос на суровите резултати, многу е блиску до точноста, а исто така е брз за имплементација и евалуација, и лесен за проширување.
Имено, поранешните модели со висока прецизност обично се потпирале на разновиден сет на варијабли, од кои секоја постепено придонесувала за разликување на испитаниците, пишуваат истражувачите.
Нашиот пристап ја поедноставува анализата со фокусирање само на фотографии од мрежницата. Оваа стратегија на користење податоци од еден извор ја подобрува јасноста и ефикасноста на нашите модели.
Во следната фаза, истражувачите планираат да ги испробаат овие тестови на поголеми групи луѓе и на пошироки возрасни групи. Просечната возраст на учесниците во оваа студија беше 9,5 години, а знаеме дека ADHD може да се манифестира многу различно кај возрасните.
Исто така, постои простор за подобрување во опсегот на системот: на пример, оние со нарушување на аутистичниот спектар беа исклучени од главниот дел на оваа студија, но понатамошни тестови покажале дека вештачката интелигенција не беше одлична во разликувањето на аутизмот од ADHD.
Неодамнешни проценки покажуваат дека околу 1 од 20 луѓе имаат ADHD, што може да вклучува проблеми со вниманието, импулсивност и хиперактивност. За овие многу поединци, побрза и поточна дијагноза би можела да направи значајна разлика.
• Раниот скрининг и навремената интервенција можат да го подобрат социјалното, семејното и академското функционирање кај луѓето со ADHD, пишуваат истражувачите.
Денес
