محققان با استفاده از الگوریتم هوش مصنوعی یادگیری عمیق، توانستند از طریق تصاویر شبکیه چشم کودکان، اوتیسم را با دقت ۱۰۰ درصد تشخیص دهند.

محققان توانستند با استفاده از هوش مصنوعی بیماری اوتیسم را از طریق شبکیه چشم کودکان تشخیص دهند. در زمانی که متخصص کودکان در دسترس نیست، این فناوری بسیار کارآمد خواهد بود.

به گفته محققان در پشت چشم کودک، شبکه و اعصاب بصری که در یک صفحه اوپتیکی به یکدیگر متصل می‌شوند و امتدادی از سیستم عصبی مرکزی، پنجره‌ای به مغز انسان را نشان می‌دهد، به دسترسی سریع و غیرتهاجمی به این قسمت از بدن برای دستیابی به اطلاعات مهم مرتبط با مغز را آسان می‌کند که نقطه عطفی برای سرمایه‌گذاری خواهد بود.

محققان کالج یونسی در کره جنوبی با استفاده از تصاویر شبکیه که با الگوریتم هوش مصنوعی بررسی می‌شود، روشی برای تشخیص اختلال طیف اوتیسم (ASD) و علائم شدت آن در کودکان ابداع کرده‌اند.

محققان در یک آزمایش با ثبت عکس شبکیه ۹۵۸ شرکت‌کننده با میانگین سنی هفت تا ۸ سال که در مجموع به ۱۸۹۰ تصویر رسید، توانستند به نتایج قابل توجهی دست پیدا کنند.

طبق این تحقیق نیمی از این کودکان از قبل مبتلا به ASD تشخیص داده شده و نیم دیگر شرکت‌کنندگان عضو گروه کنترل بودند. علائم شدت این بیماری با استفاده از «برنامه مشاهده تشخیصی اوتیسم» سنجیده شد.

محققان در این‌باره می‌گویند: مدل های عملکردی نشان می‌دهند تغییرات در شبکیه در افراد مبتلا به ASD احتمالا به عنوان نشانگر زیستی ارزش دارد. یافته های ما نشان می دهد تصاویر شبکیه احتمالا اطلاعاتی اضافی درباره شدت علائم نیز دارند.

اگرچه محققان این اطلاعات را کامل نمی‌دانند و معتقدند به مطالعات بیشتری در این زمینه نیاز است، اما تحقیق پیش رو گامی مهم در توسعه ابزارهای بررسی ASD به شمار می‌رود و چالش‌های اضطراری مانند عدم دسترسی به متخصص کودکان را برطرف می‌کند.