Как система ИИ исследователей из Южной Кореи может помочь предсказать тяжесть РАС

Исследователи из Медицинского колледжа Университета Ёнси (YUCM) успешно разработали модель на основе глубокого обучения, способную диагностировать расстройство аутистического спектра (РАС) и определять его тяжесть. Сосредоточившись на поведении совместного внимания, команда стремилась предоставить объективную и количественную меру РАС, устраняя текущую зависимость от субъективных клинических оценок. Их результаты имеют потенциал для улучшения точности диагностики и содействия в разработке точных инструментов скрининга для РАС и других неврологических расстройств.

Университет Ёнси, расположенный в Южной Корее, предлагает почти 1,000 курсов преподаваемых на английском языке, и многие из них доступны для студентов CIEE во всех отделениях, кроме медицины, сестринского дела, права, музыки и курсов на удаленном международном кампусе Сонгдо. Многие международные студенты выбирают изучение медицины в Корее, желая отточить больше навыков и построить карьеру. Однако учиться в Корее непросто, поэтому вам нужна предыдущая академическая подготовка.

Объективная оценка совместного внимания

Расстройство аутистического спектра (РАС) — это неврологическое и развивающееся расстройство, которое влияет на то, как люди взаимодействуют с другими, общаются, учатся и ведут себя. Хотя аутизм можно диагностировать в любом возрасте, он описывается как «расстройство развития», потому что симптомы обычно появляются в первые 2 года жизни. Ученые полагают, что существует несколько причин РАС, которые действуют вместе, изменяя наиболее распространенные способы развития людей.

Совместное внимание, включающее такое поведение, как зрительный контакт, поворот головы и смещение взгляда во время социальных взаимодействий, является критическим поведенческим маркером для диагностики РАС. Однако отсутствие объективной количественной меры для совместного внимания создавало трудности для точной диагностики. Чтобы решить эту проблему, лектор Ко Чан-ён и профессор Парк Ю-ран из Департамента биомедицинской системной информатики YUCM разработали протокол для объективной оценки поведения совместного внимания.

Сбор данных и модель глубокого обучения

Исследователи записали видео поведения совместного внимания от 95 детей, включая 45 с РАС и 50 без симптомов РАС, в возрасте от 24 до 72 месяцев. Эти видео охватывали три типа совместного внимания: инициация совместного внимания (IJA), низкий уровень ответа на совместное внимание (RJAlow) и высокий уровень ответа на совместное внимание (RJAhigh). Используя этот набор данных, команда обучила модель глубокого обучения для различения детей с РАС и без него, а также для прогнозирования тяжести РАС.

Исследователи оценили производительность модели с использованием нескольких показателей, включая площадь под приемно-операционной характеристикой (AUROC), точность, прецизионность и отзывчивость. AUROC измеряет диагностическую точность теста, в то время как точность представляет собой процент правильных предсказаний в наборе данных. Прецизионность оценивает вероятность правильного выявления лиц с положительным результатом теста, а отзывчивость определяет вероятность правильного выявления лиц с заболеванием.

Впечатляющие результаты и оценка тяжести

Модель глубокого обучения достигла исключительной производительности по всем трем типам поведения совместного внимания. При анализе видео IJA в качестве входных данных модель продемонстрировала AUROC 99,6%, точность 97,6%, прецизионность 95,5% и отзывчивость 99,2%. Производительность модели оставалась последовательной при анализе двух других типов поведения совместного внимания. 

Что касается оценки тяжести, которая классифицирует тяжесть РАС на отсутствие симптомов, легкую-умеренную и тяжелую, модель достигла AUROC 90,3%, точности 84,8%, прецизионности 76,2% и отзывчивости 84,8% при анализе видео IJA.

Значимость и будущие последствия

Результаты предполагают, что IJA является более точной классификацией, отражающей желание и намеренность детей к социальному взаимодействию по сравнению с другими видами поведения совместного внимания. Профессор Парк подчеркнул значимость их исследования, заявив, что разработанная модель позволяет объективизировать цифровые поведенческие показатели детей для выявления РАС и оценки тяжести симптомов. Результаты имеют последствия для разработки инструментов скрининга и точных диагностических методов для РАС и других неврологических расстройств с поведенческой сложностью.

Исследователи Университета Ёнсе добились значительного прогресса в анализе тяжести аутистического спектра (РАС), разработав модель на основе глубокого обучения. Их объективная оценка поведения в совместном внимании предлагает более точный и количественный подход к диагностике РАС и прогнозированию его тяжести. Этот прорыв может способствовать научным исследованиям и клинической оценке, помогая в разработке инструментов скрининга и методов диагностики РАС и других неврологических расстройств со схожими поведенческими трудностями. Результаты, опубликованные в JAMA Network Open, способствуют углублению понимания и улучшению управления РАС.

Примечание: Изображение на обложке сделано Iris, ребенком с аутизмом, которая выражала себя через живопись. Ее родители продают ее картины, чтобы собрать средства на частную терапию и художественные материалы. Грейс также имеет страницу в Facebook странице , которой управляют родители под названием «@IrisGracePainting». Она продала несколько своих работ в Великобритании и по всему миру.