Νέες προοπτικές στην αξιολόγηση του αυτισμού μέσω AI
Ερευνητές έχουν αναπτύξει και δοκιμάσει ένα μοντέλο βαθιάς μάθησης που μπορεί να υποστηρίξει τους κλινικούς επαγγελματίες παρέχοντας ακριβή αποτελέσματα και σαφείς, εξηγήσιμες πληροφορίες. Το μοντέλο αυτό, το οποίο περιγράφεται σε μια μελέτη που δημοσιεύθηκε στο περιοδικό eClinicalMedicine (μέρος του The Lancet), χρησιμοποιήθηκε για την ανάλυση δεδομένων fMRI κατάστασης ηρεμίας – μια μη επεμβατική μέθοδος που ανακλά έμμεσα την εγκεφαλική δραστηριότητα μέσω αλλαγών στην οξυγόνωση του αίματος.
Αξιοπιστία και ακρίβεια του μοντέλου
Το μοντέλο πέτυχε έως και 98% ακρίβεια σε διαγνωστικά για Διαταραχή Αυτιστικού Φάσματος (ASD) και νευροτυπική ταξινόμηση, παράγοντας σαφείς, εξηγήσιμες χάρτες των εγκεφαλικών περιοχών που επηρεάζουν τις αποφάσεις του. Η διάγνωση ASD έχει αυξηθεί σημαντικά τα τελευταία είκοσι χρόνια, εν μέρει λόγω της μεγαλύτερης ευαισθητοποίησης, της διευρυμένης ανίχνευσης και των αλλαγών στα διαγνωστικά κριτήρια και τις κλινικές πρακτικές. Η πρώιμη αναγνώριση και η πρόσβαση σε αποδεδειγμένη υποστήριξη μπορούν να βελτιώσουν τα αναπτυξιακά και προσαρμοστικά αποτελέσματα, αν και οι επιδράσεις ποικίλλουν.
Η ανάγκη για βελτίωση των διαγνωστικών διαδικασιών
Ωστόσο, η τρέχουσα διάγνωση βασίζεται κυρίως σε αυτοπροσώπους και συμπεριφορικές αξιολογήσεις – και η αναμονή για μια επιβεβαιωμένη διάγνωση μπορεί να διαρκέσει από μήνες έως χρόνια. Υπάρχει λοιπόν επείγουσα ανάγκη για βελτίωση των διαδικασιών αξιολόγησης. Οι ερευνητές ελπίζουν ότι, με περαιτέρω επικύρωση, το μοντέλο τους θα μπορέσει να ωφελήσει τα άτομα με αυτισμό και τους κλινικούς επαγγελματίες που τα αξιολογούν και τα υποστηρίζουν, παρέχοντας ακριβείς, εξηγήσιμες πληροφορίες για να ενημερώσουν τις αποφάσεις τους.
Η μελέτη προήλθε από ένα έργο τελικού έτους φοιτητή Πληροφορικής, τον Suryansh Vidya, υπό την επίβλεψη του Δρ. Amir Aly, και ερευνητών από τη Σχολή Μηχανικών, Υπολογιστών και Μαθηματικών του Πανεπιστημίου του Plymouth. Υποστηρίχθηκαν επίσης από ερευνητές της Σχολής Ψυχολογίας του Πανεπιστημίου και της ομάδας CIDER, η οποία ανήκει στην Ιατρική Σχολή της Χερσονήσου.
Ο Δρ. Amir Aly, λέκτορας στην Τεχνητή Νοημοσύνη και Ρομποτική στο Πανεπιστήμιο και ακαδημαϊκός υπεύθυνος της μελέτης, δήλωσε: “Υπάρχουν περισσότερα από 700.000 άτομα με αυτισμό στο Ηνωμένο Βασίλειο, και πολλοί άλλοι περιμένουν να αξιολογηθούν. Δεδομένου ότι η διάγνωση εξαρτάται ακόμη από μια ειδική, αυτοπρόσωπη συμπεριφορική αξιολόγηση, η πορεία προς μια επιβεβαιωμένη απόφαση μπορεί να διαρκέσει μήνες – και, σε ορισμένες περιοχές, χρόνια.”
Η εργασία μας δείχνει πώς η AI μπορεί να βοηθήσει: όχι για να αντικαταστήσει τους κλινικούς επαγγελματίες, αλλά για να τους υποστηρίξει με ακριβή αποτελέσματα και σαφείς, εξηγήσιμες πληροφορίες, συμπεριλαμβανομένου ενός μοντέλου εκτιμώμενου σκορ πιθανότητας, για να βοηθήσει στην προτεραιοποίηση των αξιολογήσεων και στην προσαρμογή της υποστήριξης μόλις επικυρωθεί περαιτέρω.
Χρησιμοποιώντας την ομάδα δεδομένων Autism Brain Imaging Data Exchange (ABIDE), που περιλάμβανε 884 συμμετέχοντες ηλικίας 7 έως 64 ετών σε 17 τοποθεσίες, η ομάδα ανέλυσε προκατεργασμένα δεδομένα rs-fMRI και εκτέλεσε παράλληλη σύγκριση μεθόδων εξηγήσιμης μάθησης. Οι τεχνικές που βασίζονται σε κλίσεις απέδωσαν καλύτερα, και οι προκύπτοντες χάρτες ήταν γενικά συνεπείς σε όλες τις προσεγγίσεις προκατεργασίας, δείχνοντας ποιες εγκεφαλικές περιοχές επηρέασαν περισσότερο τις προβλέψεις του μοντέλου.
Η έρευνα προχωρά ήδη από τον υποψήφιο διδάκτορα Kush Gupta, συν-συγγραφέα της τρέχουσας μελέτης, που ενσωματώνει διάφορους τύπους πολυδιάστατων δεδομένων και μοντέλων μηχανικής μάθησης με στόχο την ανάπτυξη ενός αξιόπιστου και γενικεύσιμου μοντέλου AI που θα μπορούσε να υποστηρίξει τους κλινικούς επαγγελματίες στην αξιολόγηση του αυτισμού σε όλο τον κόσμο. Αυτό συμπληρώνει το ευρύτερο ερευνητικό πρόγραμμα του Δρ. Aly, που περιλαμβάνει τη χρήση ρομπότ για την υποστήριξη ατόμων με αυτισμό και την ανάπτυξη μεθόδων AI για την ανάλυση δεδομένων του τομέα της υγείας.
Ο καθηγητής Rohit Shankar MBE, καθηγητής Νευροψυχιατρικής στο Πανεπιστήμιο και διευθυντής της ομάδας CIDER, είναι ο ανώτερος συγγραφέας της τρέχουσας μελέτης. Πρόσθεσε: “Έχουμε δείξει ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να λειτουργήσει ως καταλύτης για την πρώιμη ανίχνευση του αυτισμού και την προώθηση της διαγνωστικής ακρίβειας. Ωστόσο, κάποιες από τις λέξεις του Robert Frost έρχονται στο μυαλό – ‘το δάσος είναι όμορφο, σκοτεινό και βαθύ, αλλά έχουμε υποχρεώσεις να τηρήσουμε.'”
