Mogu li fotografije vođene veštačkom inteligencijom da pomognu u dijagnozi autizma u detinjstvu?

Dijagnostikovanje poremećaja iz autističnog spektra (ASD) kod dece može biti izazovno, posebno zbog ograničenja resursa i nedostatka obučenih stručnjaka. Međutim, istraživači u Koreji razvili su revolucionarno rešenje koje koristi algoritme dubokog učenja da bi objektivno pregledali ASD i procenili njegovu ozbiljnost na osnovu fotografija mrežnjače. Ovaj inovativni pristup ima za cilj da učini procene ASD pristupačnijim, tačnim i efikasnijim.

ASD karakterišu dve primarne kategorije simptoma: oštećenje društvene komunikacije i ograničeno i ponavljajuće ponašanje ili interesovanja. Njegova prevalencija je u porastu, a rana dijagnoza je ključna za efikasnu intervenciju. Međutim, nedostatak specijalizovanih stručnjaka i resursa može da ometa pravovremene procene.

Da bi odgovorili na ovaj izazov, istraživači su prikupili fotografije mrežnjače 958 učesnika mlađih od 19 godina, uključujući one sa ASD-om i osobe u razvoju. Koristili su konvolucione neuronske mreže (CNN), vrstu dubokog učenja, da obuče modele za pretragu ASD i procenu težine simptoma. Ozbiljnost simptoma ASD-a je merena korišćenjem standardizovanih alata za procenu.

AI model je pokazao izuzetnu tačnost u identifikaciji dece sa ASD, postigavši srednju površinu ispod krive radne karakteristike prijemnika (AUROC) od 1,00 u testovima pretrage. Čak i nakon uklanjanja 95% najmanje važnih oblasti slike mrežnjače, uključujući optički disk, tačnost AI modela ostala je nepromenjena. Ovo sugeriše da promene na mrežnjači mogu poslužiti kao potencijalni biomarkeri za dijagnozu ASD.

Studija je takođe istraživala sposobnost AI modela da proceni ozbiljnost simptoma na osnovu fotografija mrežnjače. Iako je uspešno klasifikovao ozbiljnost koristeći rezultate Dijagnostičkog posmatranja autizma – Drugo izdanje (ADOS-2), suočio se sa izazovima koje postavljaju smernice date u Skali društvenog odgovora – Drugo izdanje (SRS-2). Ova razlika se može pripisati varijacijama u postupcima ocenjivanja.

Ovo istraživanje predstavlja značajan napredak u stvaranju objektivnih alata za pretragu autizma u detinjstvu. Pristup vođen AI korišćenjem fotografija mrežnjače ima potencijal da reši kritična pitanja u vezi sa dijagnozom ASD, uključujući ograničen pristup specijalizovanim procenama. Dalja istraživanja će biti od suštinskog značaja za validaciju i generalizaciju ovih nalaza, ali ova inovacija je obećavajuća za poboljšanje ranog otkrivanja i intervencije ASD-a.