تشخیص اختلال ADHD تنها با تحلیل تصویر چشم با استفاده از هوش مصنوعی

هوش مصنوعی به تازگی وارد عرصه‌های جدیدی از پزشکی شده است، به‌ویژه در زمینه تشخیص اختلالات روانی و عصبی. پژوهشگران کره جنوبی از این فناوری بهره برده‌اند تا اختلال کم‌توجهی و بیش‌فعالی (ADHD) را تنها با بررسی یک تصویر ساده از چشم تشخیص دهند. این روش نوآورانه به‌طور غیرتهاجمی و با دقت بالا قادر است به تشخیص زودهنگام این اختلال کمک کند.

روش هوش مصنوعی برای تشخیص ADHD از طریق تحلیل عکس چشم

تشخیص دقیق و سریع اختلال ADHD می‌تواند تأثیرات عمیقی بر کیفیت زندگی افراد مبتلا داشته باشد. روش‌های فعلی تشخیص این اختلال معمولاً زمان‌بر و متناقض هستند، اما استفاده از هوش مصنوعی می‌تواند این مشکل را حل کند. تیم تحقیقاتی در کره جنوبی با استفاده از مدل‌های یادگیری ماشین، توانستند الگوریتمی توسعه دهند که با تحلیل ویژگی‌های موجود در عکس‌های فوندوس چشم، به پیش‌بینی دقیق اختلال ADHD بپردازد. این فناوری قادر است با تحلیل عکس چشم، ویژگی‌هایی مانند تراکم رگ‌های خونی و تغییرات در دیسک بینایی را شناسایی کرده و ارتباط آن‌ها را با این اختلال بررسی کند.

پژوهشگران در این مطالعه از چهار مدل یادگیری ماشین استفاده کردند و مدل منتخب با دقت ۹۶٫۹ درصد توانست اختلال ADHD را تنها از طریق تحلیل تصویر چشم پیش‌بینی کند. این مدل با دقت بالایی قادر به شناسایی ویژگی‌هایی مانند شکل و پهنای رگ‌های خونی و تغییرات در دیسک بینایی چشم است که به‌طور مستقیم با ابتلا به ADHD مرتبط هستند.

استفاده از تصاویر فوندوس چشم به‌ عنوان یک روش غیرتهاجمی

تحقیقات قبلی نشان داده بود که تغییرات در اتصال‌های مغزی می‌تواند در چشم‌ها نیز قابل مشاهده باشد. به همین دلیل، بررسی تصاویر فوندوس شبکیه چشم به‌عنوان یک روش غیرتهاجمی برای شناسایی و تشخیص اختلال ADHD مطرح شد. این مطالعه بر روی ۶۴۶ نفر از کودکان و نوجوانان انجام شد که نیمی از آن‌ها مبتلا به ADHD و نیمی دیگر سالم بودند. نتایج نشان داد که مدل هوش مصنوعی به‌طور قابل‌توجهی قادر به شناسایی و پیش‌بینی این اختلال بود.

محققان همچنین اشاره کردند که این روش می‌تواند به‌عنوان یک ابزار مفید در تشخیص زودهنگام ADHD و ارزیابی مشکلات مربوط به تمرکز بصری در افراد مبتلا به این اختلال مورد استفاده قرار گیرد. نتایج به‌دست‌آمده از این فناوری در بررسی‌های تصویری چشم نشان‌دهنده دقت و کارایی بالای این سیستم در شناسایی علائم ADHD است.

مزایای و ویژگی‌ های این روش نسبت به روش‌ های سنتی

در مقایسه با روش‌های سنتی، مانند اسکن‌های مغزی یا آزمون‌های رفتاری، این روش دارای مزایای قابل‌توجهی است. یکی از ویژگی‌های برجسته این فناوری، سرعت بالای آن در انجام تشخیص است. این روش همچنین به راحتی قابل اجرا و ارزیابی است و نیاز به تجهیزات پیچیده و پرهزینه ندارد. علاوه بر این، این سیستم مقیاس‌پذیر است و می‌تواند در مقیاس‌های بزرگ‌تر و در کشورهای مختلف نیز مورد استفاده قرار گیرد.

برخلاف برخی روش‌های پیشین که به مجموعه‌ای از متغیرهای مختلف برای تشخیص نیاز داشتند، این سیستم به‌طور ساده‌تری تنها به داده‌های مربوط به عکس شبکیه چشم تکیه دارد و این تمرکز انحصاری باعث افزایش دقت و کارایی آن می‌شود.

گام‌ های بعدی و چشم‌ اندازهای آینده

پژوهشگران در نظر دارند تا این روش را در گروه‌های بزرگ‌تر و دامنه‌های سنی گسترده‌تر آزمایش کنند. این مطالعه اولیه بر روی ۶۴۶ نفر انجام شده است و نیاز به گسترش آن به گروه‌های سنی مختلف و همچنین افراد بزرگسال دارد. همچنین، در حالی که سیستم هوش مصنوعی در تشخیص ADHD بسیار موفق عمل کرده است، محققان قصد دارند این روش را برای شناسایی و تمایز بین ADHD و سایر اختلالات مانند اوتیسم نیز بررسی کنند.

در نهایت، این فناوری می‌تواند به‌عنوان یک ابزار غربال‌گری اولیه برای شناسایی سریع‌تر اختلال ADHD در افراد مورد استفاده قرار گیرد، به‌ویژه در مواردی که دسترسی به پزشکان و متخصصان محدود است.

نتیجه‌ گیری

تشخیص زودهنگام اختلال ADHD می‌تواند تأثیر چشمگیری در بهبود کیفیت زندگی و موفقیت درمانی افراد مبتلا به این اختلال داشته باشد. استفاده از هوش مصنوعی برای تحلیل تصاویر چشم به‌عنوان روشی غیرتهاجمی و با دقت بالا، نویددهنده‌ای برای تشخیص سریع‌تر و دقیق‌تر ADHD است. این روش می‌تواند گامی مؤثر در ارتقای مراقبت‌های بهداشتی و درمانی افراد مبتلا به این اختلال باشد و به بهبود عملکرد اجتماعی، خانوادگی و تحصیلی آن‌ها کمک کند.

این تحقیق در npj Digital Medicine منتشر شده است و می‌تواند در آینده به‌عنوان استانداردی جدید برای تشخیص اختلال ADHD در سطح جهانی معرفی شود.