مطالعه‌ای جدید نشان می‌دهد که با استفاده از اسکن‌های مغزی و تحلیل آن‌ها از طریق نوعی هوش مصنوعی ، می‌توان تشخیص داد که آیا نوزادان شش‌ماهه در معرض ابتلا به اوتیسم قرار دارند یا نه.
به گزارش خط سلامت مطالعه‌ای نوآورانه نشان می‌دهد بررسی اتصالات مغزی نوزادان در سنین بسیار پایین، می‌تواند پیش‌بینی دقیقی از احتمال ابتلا به اوتیسم ارائه دهد. این یافته می‌تواند مسیر درمان‌های پیشگیرانه را هموارتر کند.
در این پژوهش، مغز ۵۹ نوزادی که در معرض ریسک بالای ابتلا به اوتیسم قرار داشتند (به دلیل داشتن خواهر یا برادر مبتلا به این اختلال) مورد بررسی قرار گرفت. هوش مصنوعی توانست با دقت ۱۰۰ درصد پیش‌بینی کند که ۴۸ نوزاد به اوتیسم مبتلا نخواهند شد. همچنین، از میان ۱۱ نوزادی که تا سن ۲ سالگی علائم اوتیسم را نشان دادند، ۹ مورد به‌درستی شناسایی شد.
رابرت امرسون، نویسنده اصلی این تحقیق و پژوهشگر سابق دانشگاه کارولینای شمالی، در گفت‌و‌گو با Live Science اظهار داشت: «دقت این سیستم فوق‌العاده بود.»
به گفته او، حدود ۲۰ درصد از نوزادانی که دارای خواهر یا برادر مبتلا به اوتیسم هستند، خود نیز ممکن است به این اختلال دچار شوند. این در حالی است که در جمعیت کلی، تنها ۱.۵ درصد از نوزادان به اوتیسم مبتلا می‌شوند.
پژوهشگران امیدوارند این یافته‌ها به توسعه ابزارهای تشخیصی منجر شود که بتوانند پیش از ظهور علائم، اوتیسم را شناسایی کنند؛ اقدامی که می‌تواند مداخلات درمانی زودهنگام را ممکن سازد.
دکتر جوزف پیون، استاد روان‌پزشکی در دانشگاه UNC و مدیر مؤسسه اختلالات رشدی کارولینا، در این‌باره گفت: «اگر بتوانیم پیش از بروز علائم، این اختلال را شناسایی کنیم، احتمالاً می‌توانیم آن را کاهش داده یا حتی از بروز آن جلوگیری کنیم.»
روش انجام تحقیق
این اختلال که با چالش‌هایی در ارتباطات اجتماعی و رفتارهای تکراری همراه است، تقریباً یک کودک از هر ۶۸ کودک در آمریکا را تحت تأثیر قرار می‌دهد. علائم آن معمولاً از حدود دو سالگی نمایان می‌شوند.
پژوهشگران با استفاده از اسکن MRI از مغز نوزادان در حین خواب، فعالیت‌های عصبی ۲۳۰ ناحیه مختلف مغز را ثبت کردند و به بررسی ارتباطات عملکردی بین این نواحی پرداختند یعنی بررسی کردند که آیا این نواحی با هم هماهنگ عمل می‌کنند یا نه.
در مجموع، ۲۶٬۳۳۵ اتصال عملکردی که نقش مهمی در شناخت، حافظه و رفتار دارند، اندازه‌گیری شد.
زمانی که کودکان به سن ۲ سالگی رسیدند، تحت ارزیابی‌های رفتاری قرار گرفتند تا مشخص شود که آیا به اوتیسم مبتلا هستند یا خیر. اطلاعات این مرحله شامل تعاملات اجتماعی، توانایی‌های ارتباطی، رشد حرکتی و تمایلات رفتاری تکراری آن‌ها بود.
سپس داده‌های MRI با استفاده از الگوریتم یادگیری ماشین تحلیل شد. این الگوریتم به‌گونه‌ای طراحی شده بود که با یادگیری از داده‌های موجود، بتواند الگوهای مغزی مرتبط با ابتلا یا عدم ابتلا به اوتیسم را شناسایی کند.
برای اطمینان از دقت، داده‌های هر نوزاد به‌طور جداگانه بررسی شدند. به این صورت که هر بار، داده‌های ۵۸ کودک برای آموزش مدل استفاده شد و سپس داده‌های کودک باقی‌مانده برای آزمون مدل به کار رفت. این روند برای تمامی ۵۹ نوزاد تکرار شد.
نتیجه نهایی نشان داد که مدل هوش مصنوعی توانست در ۸۲ درصد از موارد ابتلا، پیش‌بینی درستی ارائه دهد.
نقش خانواده‌ها
دکتر پیون اشاره کرد مطالعه‌ای قبلی نیز توسط تیم آن‌ها انجام شده بود که نتایج مشابهی به همراه داشت، اما نیازمند دو نوبت MRI در ۶ و ۱۲ ماهگی بود. این مطالعه جدید توانست پیش‌بینی را به سن ۶ ماهگی کاهش دهد که گامی مهم در جهت تشخیص زودهنگام است.
او افزود: «خانواده‌هایی که در این مطالعات شرکت کردند، بی‌نظیر هستند. آن‌ها باوجود داشتن کودکی مبتلا به اوتیسم، بارها و از فواصل دور، نوزادانشان را به مراکز درمانی ما آوردند.»
امرسون نیز گفت: «این والدین واقعاً متعهد هستند.»
پژوهشگران امیدوارند که یافته‌های آنان بتواند به مداخلاتی منجر شود که از بروز اوتیسم در کودکان مستعد پیشگیری کند یا شدت آن را کاهش دهد.
برای ورود به صفحه اینستاگرام کلیک کنید.تمام مطالب سایت اختصاصی و توسط تحریریه خط سلامت تولید شده است، استفاده با ذکر منبع و لینک دهی بلامانع است
