ИИ научился диагностировать детский аутизм со 100% точностью

Исследователи сделали фотографии сетчатки детей и проверили их с помощью алгоритма искусственного интеллекта глубокого обучения, чтобы диагностировать аутизм со 100% точностью. Результаты подтверждают использование ИИ в качестве инструмента объективного скрининга для ранней диагностики, особенно когда доступ к детскому психиатру ограничен.

В задней части глаза сетчатка и зрительный нерв соединяются в диске зрительного нерва. Эта структура является продолжением центральной нервной системы и представляет собой окно в мозг, и исследователи начали извлекать выгоду из своей способности легко и неинвазивно получить доступ к этой части тела для получения важной информации, связанной с мозгом.

Недавно британские исследователи создали неинвазивный способ быстрой диагностики сотрясения мозга путем воздействия на сетчатку безопасного для глаз лазера. Теперь исследователи из Медицинского колледжа Университета Йонсей в Южной Корее разработали метод диагностики расстройств аутистического спектра (РАС) и тяжести симптомов у детей с использованием изображений сетчатки, проверенных алгоритмом искусственного интеллекта.

Исследователи набрали 958 участников средним возрастом 7,8 лет и сфотографировали их сетчатку, в результате чего было получено в общей сложности 1890 изображений. У половины участников был диагностирован РАС, а половина была контрольной группы того же возраста и пола. Тяжесть симптомов РАС оценивалась с использованием калиброванных оценок тяжести шкалы диагностического наблюдения за аутизмом – второе издание (ADOS-2) и шкалы социальной реакции – второе издание (SRS-2).

Сверхточная нейронная сеть, алгоритм глубокого обучения, была обучена с использованием 85% изображений сетчатки и результатов тестов на тяжесть симптомов для построения моделей для выявления РАС и тяжести симптомов РАС. Оставшиеся 15% изображений были сохранены для тестирования.

Для скрининга РАС на тестовом наборе изображений ИИ мог выбрать детей с диагнозом РАС со средней площадью под кривой рабочей характеристики приемника (AUROC), равной 1,00. Значение AUROC варьируется от 0 до 1. Модель, прогнозы которой на 100% неверны, имеет AUROC 0,0; тот, чьи прогнозы верны на 100%, имеет AUROC 1,0, что указывает на то, что прогнозы ИИ в текущем исследовании были на 100% верными. Заметного снижения среднего значения AUROC не произошло, даже когда было удалено 95% наименее важных областей изображения, не включая диск зрительного нерва.

«Наши модели показали многообещающую эффективность в дифференциации РАС и РД [детей с типичным развитием] с использованием фотографий сетчатки, подразумевая, что изменения сетчатки при РАС могут иметь потенциальную ценность в качестве биомаркеров», — сказали исследователи. «Интересно, что эти модели сохранили среднее значение AUROC 1,00, используя только 10% изображения, содержащего диск зрительного нерва, что указывает на то, что эта область имеет решающее значение для различения РАС от TD».

Среднее значение AUROC для тяжести симптомов составило 0,74, при этом AUROC от 0,7 до 0,8 считается «приемлемым», а от 0,8 до 0,9 — «отличным».

«Наши результаты показывают, что фотографии сетчатки могут предоставить дополнительную информацию о тяжести симптомов», — сказали исследователи.

«Хотя будущие исследования необходимы для установления возможности обобщения, наше исследование представляет собой заметный шаг на пути к разработке инструментов объективного скрининга РАС, которые могут помочь решить насущные проблемы, такие как недоступность специализированных детских психиатрических обследований из-за ограниченности ресурсов», — сказали исследователи.

Надеюсь вам понравилась статья.

Так же, у меня есть свой канал, в котором я размещаю интересные новости, обзоры и сервисы по нейросетям и искусственному интеллекту, которые помогают в работе и жизни. Если вам интересна эта тема, буду рад вас там видеть -