هوش مصنوعی معجزه‌ای برای تشخیص زودهنگام ADHD در کودکان

به گزارش مجله خبری نگار،این هشدار زودهنگام می‌تواند به کودکان کمک کند تا زمانی که هنوز مدرسه، روابط اجتماعی، اعتمادبه‌نفس روزمره در حال شکل‌گیری است، به حمایت‌های لازم دسترسی پیدا کنند.

نشانه‌های هشداردهنده در سوابق سلامت کودکان

در سوابق معمول پزشکی کودکان، از زمان تولد تا سال‌های ابتدایی زندگی، مراجعه‌های روزمره حاوی نشانه‌هایی بودند که اغلب پیش از تشخیص رسمی ADHD ظاهر می‌شدند.

الیوت دی. هیل از دانشکده پزشکی دانشگاه دوک با بررسی این نشانه‌ها، الگو‌های اولیه را به تشخیص‌های بعدی مرتبط کرد.

این الگو‌ها وابسته به یک علامت خاص نبودند، زیرا نرم‌افزار ترکیب‌های تکرارشونده‌ای از رشد، رفتار، مراقبت‌های پزشکی را شناسایی می‌کرد.

به همین دلیل این یافته بیشتر به‌عنوان یک ابزار غربالگری کاربرد دارد، نه اثبات قطعی ابتلا به این اختلال.

چرا زمان تشخیص اهمیت دارد؟

پزشکان زمانی از اصطلاح ADHD استفاده می‌کنند که بی‌توجهی، بیش‌فعالی یا رفتار‌های تکانشی زندگی روزمره را مختل کند.

یک نظرسنجی ملی نشان داد در سال‌های ۲۰۲۱ تا ۲۰۲۲ حدود ۱۰.۴۷ درصد از کودکان ۴ تا ۱۷ سال در آمریکا با ADHD تشخیص داده شده‌اند.

بسیاری از کودکان زودتر دچار مشکل می‌شوند، اما خانواده‌ها معمولاً زمانی به ارزیابی می‌رسند که مشکلات در مدرسه افزایش یافته است.

غربالگری زودهنگام می‌تواند آموزش والدین، حمایت‌های کلاسی، برنامه‌های مقابله‌ای را زمانی آغاز کند که کودکان هنوز در حال شکل‌دادن عادات پایه هستند.

سوابق سلامت چگونه الگو‌های رفتاری را نشان می‌دهند؟

مراقبت‌های معمول یک مسیر طولانی در پرونده‌های الکترونیک سلامت ایجاد می‌کنند، فایل‌هایی دیجیتال که روند مراقبت را در طول زمان ثبت می‌کنند.

در این سوابق، اشاره‌های مکرر به رشد، رفتار، خواب، داروها، ارجاع‌ها، تصویری کامل‌تر از نیاز‌های هر کودک ارائه می‌دهد.

این اطلاعات ارزشمند است، زیرا مراقبت‌های روزمره ممکن است نگرانی‌ها را قبل از برچسب‌گذاری به‌عنوان ADHD ثبت کنند، البته حفظ حریم خصوصی همچنان ضروری است.

یادگیری الگو‌ها توسط هوش مصنوعی

برای ساخت این ابزار، پژوهشگران ابتدا آن را با داده‌های بیش از ۷۲۰ هزار بیمار آموزش دادند.

سپس سیستم را برای بیش از ۱۴۰ هزار کودک که سوابق آنها از تولد تا ۹ سالگی ثبت شده بود، تطبیق دادند.

این فرآیند دو مرحله‌ای باعث شد مدل ابتدا توالی‌های پزشکی رایج را یاد بگیرد، سپس خطر ابتلا به ADHD را ارزیابی کند.

از آنجا که داده‌ها از سوابق گذشته به دست آمده‌اند، این ابزار باید در شرایط واقعی نیز آزمایش شود.

دقت بالای مدل در پیش‌بینی ADHD

این مدل تا سن ۵ سالگی توانست امتیاز ۰.۹۲ را برای پیش‌بینی تشخیص تا چهار سال بعد به دست آورد.

در مقیاسی که عدد ۱.۰ نشان‌دهنده تفکیک کامل است، امتیاز ۰.۹۲ بیانگر دقت بالا در رتبه‌بندی است. با این حال، این امتیاز به معنای تشخیص قطعی نیست.

برای پزشکان، نتیجه مهم این است که فهرستی کوتاه‌تر از کودکانی داشته باشند که نیاز به بررسی دقیق‌تر دارند.

چالش عدالت در ابزار‌های هوش مصنوعی

این مدل در میان گروه‌های مختلف از نظر جنسیت، نژاد، قومیت، وضعیت بیمه عملکردی مشابه داشت.

این موضوع اهمیت دارد، زیرا ابزار‌های غربالگری در صورت عملکرد نامتوازن می‌توانند به برخی گروه‌ها آسیب بزنند.

با این حال، بررسی در یک سیستم سلامت کافی نیست و باید در جوامع مختلف آزمایش شود.

آزمایش‌های آینده باید نشان دهد که این ابزار بدون افزایش شکاف‌های موجود، به همه کودکان کمک می‌کند.

عوامل کلیدی مرتبط با خطر ADHD

در بررسی داده‌ها، نگرانی‌های مرتبط با رشد، رفتار بیشترین تأثیر را در پیش‌بینی داشتند.

این موارد شامل تأخیر در گفتار، مشکلات یادگیری، نشانه‌های احساسی، مراجعه‌های مکرر برای مشکلات توجه و رفتار می‌شود.

همچنین ارتباطی با برخی اختلالات روانی دیده شد که نشان می‌دهد الگو‌های سلامت روان ممکن است همراه با ADHD ظاهر شوند.

با این حال، این نشانه‌ها به‌تنهایی علت بروز این اختلال نیستند.

نقش حیاتی پزشکان در تشخیص نهایی

این ابزار زمانی بیشترین کاربرد را دارد که به پزشکان دلیل مشخصی برای بررسی دقیق‌تر ارائه دهد.

پزشکان همچنان باید با مصاحبه با خانواده، گزارش معلمان، بررسی تاریخچه رشد، قضاوت بالینی، تصمیم نهایی را بگیرند.

بدون این مرحله انسانی، امتیاز خطر می‌تواند به یک برچسب اشتباه تبدیل شود.

مزایای حمایت زودهنگام از کودکان

شناسایی زودهنگام به خانواده‌ها زمان بیشتری می‌دهد تا راهکار‌های مناسب را یاد بگیرند.

حمایت‌های مناسب می‌توانند با ایجاد ساختار‌های واضح، پاسخ‌های منسجم از سوی والدین، معلمان، زندگی روزمره کودک را بهبود دهند.

این کمک عملی مهم‌ترین مزیت این فناوری است، به شرطی که منجر به اقدام شود نه نگرانی.

جمع‌بندی: آینده غربالگری هوشمند ADHD

ترکیب سوابق پزشکی، مدل‌سازی دقیق، پیگیری بالینی می‌تواند نگرانی‌های پراکنده را به اقدام به‌موقع تبدیل کند.

این ابزار نشان‌دهنده آینده‌ای است که غربالگری هوشمندتر می‌شود، اما همچنان نیازمند رعایت حریم خصوصی، عدالت، آزمایش‌های واقعی است.

نظر شما درباره استفاده از هوش مصنوعی در تشخیص زودهنگام چیست؟ دیدگاه خود را با ما به اشتراک بگذارید.

منبع: فوت وفن