به گزارش اکوایران، محققان کالج پزشکی دانشگاه یونسی در کره جنوبی مطالعه‌ای انجام داده‌اند که نشان می‌دهد از مدل‌های هوش مصنوعی یادگیری عمیق می‌توان برای غربالگری اوتیسم و ارزیابی شدت آن با تجزیه و تحلیل الگوهای شبکیه چشم استفاده کرد.

به نوشته ساینس الرت، هوش مصنوعی با تصاویری آموزش داده شده بود که در آن به افراد اطلاع داده شده بود که آیا دچار اوتیسم هستند یا نه. هوش مصنوعی هنگام تجزیه و تحلیل شبکیه چشم 958 کودک و نوجوان (که نیمی از آنها مبتلا به اوتیسم بودند)، افراد دارای اوتیسم و افراد بدون اوتیسم را به دقت شناسایی کرد. با این حال، هوش مصنوعی در پیش‌بینی شدت علائم از عکس‌های شبکیه کمتر موفق بود و دقتی بین ۴۸ تا ۶۶ درصد داشت.

این مطالعه نشان می‌دهد که عکس‌های شبکیه می‌تواند به عنوان یک روش عینی برای غربالگری اوتیسم و ارزیابی شدت علائم عمل کند و به طور بالقوه ارزیابی زودتر و سریع‌تری را برای کودکان ارائه دهد. محققان بر این باورند که این رویکرد می‌تواند برای بچه‌های کوچکتر هم قابل اجرا باشد، چراکه تغییرات شبکیه در افراد دارای اوتیسم ممکن است قبل از بلوغ شبکیه ظاهر شود.

این مطالعه پتانسیل هوش مصنوعی را برای کمک به غربالگری و ارزیابی اوتیسم نشان می‌دهد و ابزار تشخیصی غیرتهاجمی و بالقوه سریع‌تری را ارائه می‌دهد.