Nauka
Obniżony poziom Morza Śródziemnego. Naukowcy rozwiązali zagadkę
11 grudnia 2024
Sztuczna inteligencja staje się coraz potężniejszym narzędziem, znajdującym zastosowanie w wielu dziedzinach, w tym w diagnostyce autyzmu dziecięcego. Uczenie maszynowe przenika do naszego życia z większą siłą, niż mogłoby się wydawać. AI to nie tylko ChatGPT i Midjourney, ale także nowoczesne rozwiązania wspierające wczesne wykrywanie autyzmu dziecięcego. Brzmi jak science fiction? A jednak naukowcy z Instytutu Karolińska w Szwecji opracowali takie narzędzie.
W czasopiśmie naukowym JAMA Network Open opisano nowoczesny model uczenia maszynowego, który pozwala przewidywać autyzm dziecięcy z dokładnością sięgającą prawie 80 proc. u dzieci poniżej drugiego roku życia. Narzędzie to, nazwane AutMedAI, zaprojektowano do analizy podstawowych danych medycznych zbieranych przez lekarzy podczas rutynowych wizyt. Dzięki temu AutMedAI ma szerokie zastosowanie i może odegrać kluczową rolę we wczesnym wykrywaniu autyzmu dziecięcego. Wczesna diagnoza może znacząco wpłynąć na poprawę rozwoju dziecka.
Badanie miało na celu rozwiązanie problemów związanych z ograniczeniami obecnie stosowanych narzędzi diagnostycznych dla autyzmu. Standardowe testy, oparte głównie na kwestionariuszach i listach kontrolnych, mogą przeoczyć subtelne objawy. Dodatkowo bywają podatne na interpretacyjne uprzedzenia i często wymagają specjalistycznej wiedzy, aby dokonać trafnej oceny. W efekcie te narzędzia mogą opóźniać diagnozę, skupiając się na dzieciach z wyraźnymi objawami autyzmu dziecięcego, które zazwyczaj pojawiają się dopiero około trzeciego roku życia lub później.
Szwedzcy naukowcy postanowili stworzyć bardziej precyzyjne narzędzie, wykorzystujące dostępne dane medyczne i rozwojowe do oceny ryzyka autyzmu u najmłodszych dzieci. W ramach projektu opracowali model uczenia maszynowego, analizujący kluczowe czynniki ryzyka, dzięki któremu możliwe jest wcześniejsze rozpoznanie zagrożenia autyzmem.
Polecamy: Od ChatGPT do sal operacyjnych. Sztuczna inteligencja w chirurgii wspiera lekarzy
Naukowcy posłużyli się danymi z bazy SPARK (Simons Foundation Powering Autism Research for Knowledge). Jest to jeden z największych zbiorów danych na temat autyzmu w USA. Zawiera ona szczegółowe informacje o ponad 30 000 dzieci – zarówno z diagnozą autyzmu, jak i bez niej. Zespół badawczy skoncentrował się na próbie obejmującej około 12 000 dzieci, by trenować i testować modele uczenia maszynowego. Do analiz wybrano wyłącznie dane dostępne podczas rutynowych wizyt lekarskich we wczesnym dzieciństwie, takie jak wiek na kluczowych etapach rozwoju i wybrane cechy behawioralne.
Naukowcy zidentyfikowali 28 różnych czynników, które były łatwe do zaobserwowania, nieinwazyjne i mogły być zgłaszane przez rodziców. Wśród nich znalazły się m.in. pierwszy uśmiech, formowanie krótkich zdań oraz trudności z niektórymi pokarmami. Badacze koncentrowali się na dzieciach poniżej 24. miesiąca życia, co stanowi kluczowy okres dla oceny rozwoju. Zespół przetestował różne algorytmy uczenia maszynowego, aby wybrać najlepsze sposoby interpretacji danych. Po licznych testach i udoskonaleniach wybrano AutMedAI jako model o najwyższej dokładności predykcyjnej. Bazuje on na łatwo dostępnych danych i jest przyjazny dla użytkownika.
Polecamy: HOLISTIC NEWS: Problemy emigracji. Matki nie mówią do swoich dzieci po polsku #obserwacje
„Wyniki badania są znaczące. Pokazują, że możliwe jest zidentyfikowanie dzieci potencjalnie zagrożonych autyzmem dziecięcym na podstawie stosunkowo ograniczonych i łatwo dostępnych informacji” – powiedział Shyam Rajagopalan z Karolinska Institutet, autor badania.
Naukowcy podkreślają, że AutMedAI nie zastąpi szczegółowych ocen klinicznych, lecz ma pełnić rolę wstępnego narzędzia przesiewowego. Dzięki wskazaniu dzieci, które mogą wymagać dalszej diagnozy, model ten może odciążyć system diagnostyczny i dać rodzinom wcześniejszy wgląd w rozwój ich dziecka.
Największą zaletą AutMedAI jest to, że narzędzie to opiera się na danych niewymagających inwazyjnych testów. Pozwala to na jego włączenie do rutynowej opieki pediatrycznej. Badacze z Karolinska Institutet planują także uwzględnienie danych genetycznych w przyszłych wersjach modelu. Mogłoby to zwiększyć dokładność narzędzia i umożliwić bardziej spersonalizowane badania przesiewowe.
Polecamy: Autyzm i gry fabularne. Słynna „Dungeons and Dragons” stała się pomocą w terapii