Model AI nabízí přesné a vysvětlitelné informace na podporu hodnocení autismu

Vědci vyvinuli a testovali model s hlubokým učením, který by mohl podporovat kliniky poskytováním přesných výsledků a jasných, vysvětlitelných poznatků-včetně skóre pravděpodobnosti odhadovaného modelu pro autismus.

Model, nastíněný ve studii zveřejněné v Eclinicalmedicinebyl použit k analýze dat fMRI v klidovém stavu-neinvazivní metoda, která nepřímo odráží aktivita mozku Změny prostřednictvím krve-oxygenace.

Přitom model dosáhl až 98% křížově ověřené přesnosti pro poruchu autistického spektra (ASD) a neurotypické klasifikace a produkoval jasné vysvětlitelné mapy mozkových oblastí nejvlivnějších pro její rozhodnutí.

Diagnózy ASD se v posledních dvou desetiletích podstatně zvýšily, což částečně odráží větší povědomí, rozšířené screening a změny diagnostických kritérií a klinické praxe. Včasná identifikace a přístup k podpoře založené na důkazech mohou zlepšit vývojové a adaptivní výsledky a mohou zvýšit kvalitu života, i když účinky se liší.

Protože však současná diagnóza se primárně spoléhá na osobní a behaviorální hodnocení-a čekání na potvrzenou diagnózu se může protáhnout z mnoha měsíců do několika let-je naléhavá potřeba zlepšit hodnotící cesty.

Vědci doufají, že s další validací by jejich model mohl prospět autistickým lidem a klinickým lékařům, kteří je hodnotí a podporují tím, že poskytují přesné a vysvětlitelné poznatky o informování o rozhodnutích.

Studie byla výsledkem posledního ročního vysokoškolského projektu studenta počítačové vědy BSC (Hons) Suryansh Vidya, pod dohledem Dr. Amira Alyho a vědci ze školy inženýrství, výpočetní techniky a matematiky na University of Plymouth. Byli zase podporováni vědci z univerzitní školy psychologie a skupiny Cornwall Intelektuální postižení spravedlivé výzkumy (Cider), součástí lékařské fakulty poloostrova.

Dr. Aly, přednášející v oblasti umělé inteligence a robotiky na univerzitě a akademický vedení studie a odpovídající autor, uvedl: „Ve Velké Británii je více než 700 000 autistických lidí a mnoho dalších čeká na hodnocení. Protože diagnóza stále závisí na hodnocení behaviorálního specialisty, může trvat mnoho měsíců-a v některých oblastech, a v některých oblastech, roky.

„Naše práce ukazuje, jak může AI pomoci: nenahrazovat kliniky, ale podpořit je přesné výsledky a jasné, vysvětlitelné poznatky, včetně skóre pravděpodobnosti, které odhaduje model, aby pomohla upřednostnit hodnocení a na míru na míru, jakmile se dále ověří.“

Pomocí kohorty pro výměnu dat mozku (Abide), která zahrnovala 884 účastníků ve věku 7 až 64 let na 17 místech, analyzoval předem zpracovávaná data RS-FMRI a provedl vedlejší srovnání metod vysvětlení metod ve věku 7 až 64 let ve věku 7 až 64 let. Techniky založené na gradientu fungovaly nejlépe a výsledné mapy byly široce konzistentní napříč předběžnými procesy, což ukazuje, které mozkové oblasti nejvíce ovlivňují předpovědi modelu.

Výzkum již přesune Ph.D. Výzkumník Kush Gupta, spoluautor této studie, zahrnuje různé druhy modelů multimodálních dat a strojového učení s cílem vyvinout robustní a zobecnitelný model řízený AI, který by mohl podporovat kliniky při hodnocení autismu po celém světě. To doplňuje širší výzkumný program Dr. Alyho, včetně použití robotů na podporu autističtí lidéa vývoj metod AI pro analýzu údajů o zdravotnictví.

Profesor Rohit Shankar MBE, profesor neuropsychiatrie na univerzitě a ředitel skupiny Cider Group, je vedoucím autorem současné studie. Dodal: „Ukázali jsme to Umělá inteligence Má potenciál působit jako katalyzátor pro ranou detekci autismu a postupující diagnostickou přesnost. Některá slova Roberta Frosta však přicházejí na mysl – lesy jsou krásné, tmavé a hluboké, ale musíme jít, než se spíme. “ Stejně tak se jedná o rané prototypy, které vyžadují další validaci a výzkum. “