ПОСЛЕДНИЕ НОВОСТИ
ПОДОБРАНО ДЛЯ ВАС

Насколько эффективна ИИ-основанная система в выявлении поведенческих рисков у новорожденных?

АвторАмир ШейхАмир Шейх 2 мин. чтения
ИИ-базированную
  • Ученые разработали систему на основе глубокого обучения для анализа поведения мышей в экспериментах, связанных с пренатальным воздействием никотина (PNE), что выявило потенциальные связи с расстройством аутистического спектра (РАС) и синдромом дефицита внимания и гиперактивности (СДВГ).
  • Используя инструменты ИИ, исследователи наблюдали импульсивное поведение и измененную рабочую память у мышей с PNE, что соответствует симптомам СДВГ, а также дефициты социального поведения и повышенную тревожность, указывающие на признаки РАС.
  • Этот новаторский подход обещает более точные и непредвзятые результаты, что может способствовать углублению понимания нейродевелопментальных расстройств и проложить путь к улучшению диагностики и терапии.

В прорывном исследовании, проливающем свет на сложную взаимосвязь между пренатальным воздействием никотина и поведенческими расстройствами у новорожденных, исследователи внедрили новаторскую ИИ-основанную систему, использующую глубокое обучение.

Этот передовой подход, разработанный учеными из отдела молекулярной и клеточной физиологии Медицинской школы Университета Синсю, обещает революционизировать понимание нейрокогнитивных расстройств, особенно расстройства аутистического спектра (РАС) и синдрома дефицита внимания и гиперактивности (СДВГ). Используя искусственный интеллект (ИИ) для анализа поведения мышей в экспериментах, связанных с пренатальным воздействием никотина (ПВН), исследование раскрывает важные выводы о потенциальных рисках, представляемых курением матери.

Изучение пренатального воздействия никотина и поведенческих расстройств

На протяжении десятилетий ученые признавали курение основным фактором риска для различных осложнений со здоровьем, с вредными последствиями, распространяющимися на пренатальное развитие. Недавние исследования особенно выделили корреляцию между пренатальным воздействием никотина (ПВН) и нейрокогнитивными расстройствами, такими как синдром дефицита внимания и гиперактивности (СДВГ) и расстройство аутистического спектра (РАС). 

Животные модели, особенно грызуны, служили бесценными инструментами в раскрытии механизмов, лежащих в основе этих ассоциаций. Однако интерпретация поведенческих экспериментов на мышах, подвергшихся воздействию никотина во время беременности, оказалась сложной, с непоследовательными выводами, портящими предыдущие исследования.

Стремясь устранить ограничения традиционных наблюдательных методов и смягчить человеческие предубеждения, присущие поведенческим оценкам, исследователи из Медицинской школы Университета Синсю обратились к технологии глубокого обучения. Их инновационная система, использующая комбинацию наборов инструментов DeepLabCut и Simple Behavioral Analysis (SimBA), автономно анализировала поведение мышей в экспериментах по пренатальному воздействию никотина. Точно отслеживая и классифицируя поведение, система ИИ предоставила беспрецедентные данные о влиянии ПВН на нейрокогнитивное развитие.

Через серию тщательно спланированных экспериментов исследователи выявили убедительные доказательства, связывающие ПВН с поведенческими расстройствами у новорожденных мышей. Тесты на реакцию избегания обрыва выявили повышенную импульсивность у мышей с ПВН, отражающую черты, связанные с СДВГ. Последующие оценки рабочей памяти с использованием лабиринта в форме Y further corroborated these findings, showcasing deficits akin to those observed in individuals with ADHD. 

Кроме того, эксперименты с открытым полем и социальным взаимодействием выявили выраженные дефициты социального поведения и повышенную тревожность у мышей с ПВН, что указывает на признаки РАС. Гистологический анализ ткани гиппокампа подтвердил снижение нейрогенеза, укрепляя связь между пренатальным воздействием никотина и РАС.

Валидация ИИ-основанной системы для исследований пренатального воздействия никотина

Ключевым моментом является то, что надежность и точность ИИ-основанной поведенческой аналитики были строго проверены против оценок, проведенных человеческими аннотаторами. Профессор Кацухико Табути подчеркнул надежность этого подхода, подчеркивая его потенциал для продвижения различных поведенческих исследований.

Устраняя субъективные предубеждения и повышая точность наблюдений, эта новая методология предлагает многообещающий путь для раскрытия сложных механизмов, лежащих в основе нейрокогнитивных расстройств.

По мере того как научное сообщество продолжает раскрывать сложное взаимодействие между пренатальными воздействиями и нейрокогнитивными исходами, применение технологий глубокого обучения emerges as a pivotal tool in advancing our understanding. By transcending the limitations of traditional observational methods, AI-based frameworks offer a pathway to uncovering nuanced behavioral patterns and elucidating underlying mechanisms. 

В будущем поиск расшифровки сложностей таких состояний, как РАС и СДВГ, готов извлечь выгоду из интеграции передовых технологий и междисциплинарных подходов. Как дальнейшие достижения в области глубокого обучения могут изменить наше понимание нейрокогнитивных расстройств и проложить путь к более эффективным вмешательствам?

Если вы читаете это, вы уже впереди. Оставайтесь с нами, подписавшись на нашу рассылку.

Поделиться статьёй

Отказ от ответственности. Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com Мы не несем ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем проводить независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любых инвестиционных решений.

Амир Шейх

Амир Шейх

Амир — технологический журналист с почти шестилетним опытом работы в индустриях криптовалют и технологий. Он окончил университет MAJ, получив степень MBA по финансам и маркетингу. Сейчас он работает в Cryptopolitan, где освещает последние события на рынке криптовалют и прогнозы цен.

ЕЩЁ … НОВОСТИ