به گزارش مجله خبری نگار، در این مطالعه، تیمی از محققان کالج پزشکی دانشگاه یونسی در سئول از یک مدل هوش مصنوعی برای تجزیه و تحلیل تصاویر شبکیه از ۶۴۶ کودک و نوجوان استفاده کردند که نیمی از آنها مبتلا به اختلال بیش فعالی کمبود توجه (ADHD) بودند. این مدل با دقت ۹۶ درصد توانست افراد آلوده و غیرآلوده را با موفقیت از هم تشخیص دهد.
این مطالعه نشان داد که افراد مبتلا به این اختلال، تفاوتهای قابل توجهی در الگوی رگهای خونی درون چشم نشان میدهند، که مهمترین آنها افزایش تعداد رگها، افزایش ضخامت رگها و کوچکتر شدن دیسک بینایی - بخشی که مسئول اتصال چشم به مغز است - میباشد.
محققان معتقدند که با توجه به رابطه نزدیک بین شبکیه و مغز، این تغییرات ممکن است منعکس کننده تفاوتهای عصبی مرتبط با ADHD باشند.
تیم تحقیقاتی اعلام کرد که یافتههای آنها نشان میدهد که تصاویر شبکیه «روشی امیدوارکننده برای غربالگری ADHD بدون نیاز به روشهای تهاجمی یا پیچیده است». آنها توضیح دادند که مدلشان تنها به یک منبع داده - تصاویر شبکیه - متکی است و این امر آن را نسبت به مدلهای قبلی که به چندین ورودی نیاز داشتند، سادهتر و سرراستتر میکند.
در عین حال، محققان تأکید کردند که مطالعه آنها هنوز مقدماتی است، زیرا محدود به نمونهای از کودکان با میانگین سنی ۹ سال بوده است. این تیم امیدوار است که در آینده این مطالعه را گسترش دهد تا گروههای سنی و جمعیتهای متنوعتری، از جمله افرادی که دارای اختلالات همزمان مانند اوتیسم هستند را نیز در بر بگیرد.
با توجه به این یافتهها، متخصصان بر اهمیت تشخیص زودهنگام تأکید میکنند، زیرا تأثیر بسزایی در بهبود عملکرد تحصیلی، اجتماعی و خانوادگی افراد مبتلا دارد.
این مطالعه در مجله npj Digital Medicine منتشر شده است.
منبع: دیلی میل