گام مهم هوش مصنوعی در تشخیص اوتیسم در کودکان

پژوهشگران با توسعه یک فناوری نوین مبتنی بر هوش مصنوعی، گام مهمی در جهت تسریع و عینیت‌بخشی به روند تشخیص اوتیسم در کودکان برداشته‌اند.

فناوری CAMI؛ ارزیابی رایانه‌ای تقلید حرکتی

تشخیص اوتیسم همواره فرآیندی زمان‌بر بوده است که پزشکان طی آن ناچار به مشاهده رفتارهای کودک، بررسی سوابق رشد و پرسش از والدین هستند. در همین راستا، پژوهشگران دانشگاه پنسیلوانیا فناوری جدیدی تحت عنوان CAMI (ارزیابی رایانه‌ای تقلید حرکتی) را توسعه داده‌اند که بر نحوه حرکت و تقلید کودک تمرکز دارد.

در این روش، کودک در برابر یک ویدیوی استاندارد قرار می‌گیرد و حرکات فرد نمایش داده‌شده را تقلید می‌کند. سپس سیستم هوش مصنوعی کیفیت و نحوه اجرای این حرکات را به دقت تحلیل می‌کند.

نحوه عملکرد و ویژگی‌های فنی سیستم

توانایی تقلید حرکات یکی از رفتارهای کلیدی مرتبط با اوتیسم است. سیستم CAMI تلاش می‌کند تا جزئیات این رفتار را از عوامل حاشیه‌ای و محیطی تفکیک کند.

«محل قرارگیری دوربین، میزان نور و شرایط محیطی می‌توانند روی تصاویر تاثیر بگذارند، اما هوش مصنوعی آموزش دیده است این عوامل را نادیده بگیرد.»

در نهایت، این سیستم برای عملکرد تقلیدی کودک امتیازی در نظر می‌گیرد که پزشکان از آن برای ارزیابی احتمال قرارگیری کودک در طیف اوتیسم بهره می‌برند.

نتایج بالینی و چشم‌انداز آینده

در یک مطالعه بالینی روی ۱۸۳ کودک ۶ تا ۱۳ ساله، نتایج اولیه بسیار امیدوارکننده گزارش شد؛ به‌طوری‌که این فناوری توانست با دقتی حدود ۸۰ تا ۸۵ درصد در زمینه تشخیص اوتیسم عمل کند.

پژوهشگران تاکید می‌کنند که هدف از به‌کارگیری این فناوری، جایگزینی پزشکان نیست، بلکه CAMI به عنوان یک ابزار کمکی برای تسریع فرآیند ارزیابی در کلینیک‌ها و مدارس طراحی شده است. در مراحل بعدی، تیم تحقیقاتی قصد دارد این فناوری را روی جمعیت بزرگ‌تری آزمایش کرده و دامنه بررسی‌ها را به بزرگسالان نیز گسترش دهد.