یک مطالعه جدید نشان می‌دهد که هوش مصنوعی می‌تواند نقش مؤثری در تشخیص زودهنگام اختلال طیف اوتیسم در کودکان نوپا ایفا کند. محققان با توسعه یک مدل مبتنی بر یادگیری ماشینی، موفق شده‌اند با دقت حدود 80 درصد، کودکان زیر دو سال را که در معرض خطر ابتلا به این اختلال هستند، شناسایی کنند.
این مدل با تحلیل داده‌های حاصل از یک مطالعه گسترده بر روی کودکان با و بدون تشخیص اوتیسم، آموزش دیده است. محققان با تمرکز بر 28 معیار رفتاری قابل اندازه‌گیری در کودکان زیر دو سال، توانسته‌اند الگوهای رفتاری مشخصی را در کودکان مبتلا به اوتیسم شناسایی کنند. نتایج این مطالعه نشان می‌دهد که مدل توسعه‌یافته توانسته است با دقت قابل قبولی، کودکان مبتلا به اوتیسم را از سایر کودکان متمایز کند. البته محققان تاکید می‌کنند که این مدل تنها یک ابزار غربالگری است و تشخیص قطعی اوتیسم باید توسط متخصصان حوزه سلامت انجام شود.
یکی از نکات قابل توجه در این مطالعه، شناسایی برخی عوامل رفتاری است که در پیش‌بینی احتمال ابتلا به اوتیسم نقش مهمی دارند. مشکل در خوردن غذا، تأخیر در تکلم، مشکلات در آموزش توالت رفتن و سن اولین لبخند از جمله این عوامل هستند. با این حال، برخی از کارشناسان نسبت به استفاده گسترده از این مدل هشدار داده‌اند. آن‌ها معتقدند که احتمال خطای تشخیص در این مدل وجود دارد و تشخیص زودهنگام اوتیسم ممکن است منجر به برچسب‌زنی نادرست برخی کودکان شود.
در مجموع، این مطالعه نشان می‌دهد که هوش مصنوعی می‌تواند به عنوان یک ابزار قدرتمند در تشخیص زودهنگام اوتیسم مورد استفاده قرار گیرد. با این حال، برای استفاده گسترده از این مدل در خدمات بالینی، نیاز به انجام مطالعات بیشتر و ارزیابی دقیق‌تر آن است.
منبع خبر پیشرفت قابل توجه هوش مصنوعی در تشخیص زودهنگام اوتیسم پایگاه خبری تکنا به آدرس تکنا میباشد.
تکنا
یک مطالعه جدید نشان می‌دهد که هوش مصنوعی می‌تواند نقش مؤثری در تشخیص زودهنگام اختلال طیف اوتیسم در کودکان نوپا ایفا کند. محققان با توسعه یک مدل مبتنی بر یادگیری ماشینی، موفق شده‌اند با دقت حدود 80 درصد، کودکان زیر دو سال را که در معرض خطر ابتلا به این اختلال هستند، شناسایی کنند. به
منبع خبر پیشرفت قابل توجه هوش مصنوعی در تشخیص زودهنگام اوتیسم پایگاه خبری تکنا به آدرس تکنا میباشد.