دانشمندان با استفاده از هوش مصنوعی و تجزیه و تحلیل شبکه‌های پیچیده مغز، به پیشرفتی در تشخیص اوتیسم دست یافته‌اند

دانشگاه اقتصاد پلخانوف روسیه یک هوش مصنوعی توسعه داده است که با استفاده از fMRI به طور مؤثر اوتیسم را تشخیص می‌دهد.

به گزارش مجله خبری نگار، دانشمندان موسسه تحقیقاتی هوش مصنوعی کاربردی و راهکار‌های دیجیتال دانشگاه اقتصاد پلخانوف روسیه، روشی نوآورانه برای تشخیص اختلالات طیف اوتیسم (ASD) با استفاده از تکنیک‌های پیشرفته هوش مصنوعی و یادگیری ماشین برای تجزیه و تحلیل داده‌های تصویربرداری تشدید مغناطیسی عملکردی (fMRI) توسعه داده‌اند.

اوتیسم یکی از مشکلات کلیدی پزشکی و اجتماعی زمان ما است. طبق برآورد‌های مختلف، تقریباً یک میلیون نفر در روسیه با اختلال طیف اوتیسم زندگی می‌کنند، اگرچه شیوع واقعی ممکن است ده‌ها برابر بیشتر از آمار‌های رسمی باشد.

دشواری تشخیص، تشخیص دیرهنگام و فقدان نشانگر‌های زیستی عینی همچنان چالش‌های جدی برای سیستم‌های مراقبت‌های بهداشتی در سراسر جهان هستند. توسعه روش‌های دقیق، غیرتهاجمی و مقیاس‌پذیر برای تشخیص اختلال طیف اوتیسم (ASD) از اولویت‌های علم پزشکی مدرن است.

دانشمندان روش جدیدی را برای تشخیص اختلال طیف اوتیسم (ASD) با استفاده از هوش مصنوعی و تصاویر fMRI پیشنهاد کرده‌اند. آنها در استفاده از شبکه‌های عصبی هایپرگراف (UniGNNs) پیشگام بوده‌اند - یک معماری هوش مصنوعی که قادر به مدل‌سازی تعاملات پیچیده و چند عنصری بین مناطق مختلف مغز است.

النا پیتسیک، محقق برجسته در موسسه تحقیقاتی هوش مصنوعی کاربردی و راهکار‌های دیجیتال دانشگاه اقتصاد روسیه پلخانوف، توضیح داد: «مدل توسعه‌یافته UniGIN نتایج چشمگیری را با دقت تشخیص بیش از ۸۰٪ بر روی داده‌های جمع‌آوری‌شده از مراکز تحقیقاتی مختلف نشان داد. این مدل به طور قابل توجهی از روش‌های سنتی یادگیری ماشین (SVM) و شبکه‌های کانولوشن گراف استاندارد (GCN) بهتر عمل می‌کند و با بهترین نتایج جهانی در این زمینه مطابقت دارد.»

روش توسعه‌یافته، چشم‌انداز‌هایی را برای تشخیص زودهنگام، عینی و غیرتهاجمی اوتیسم بر اساس داده‌های fMRI و هوش مصنوعی باز می‌کند. برخلاف مقیاس‌های بالینی ذهنی، این رویکرد امکان شناسایی الگو‌های خاص سازماندهی شبکه مغزی را فراهم می‌کند که می‌توانند به عنوان نشانگر‌های زیستی قابل اعتماد این اختلال عمل کنند.

لینک کپی شد

اشتراک‌ گذاری