نموذج الذكاء الاصطناعي يساعد على اكتشاف مرض التوحد مبكرا

وفقًا لدراسة جديدة أجراها معهد كارولينسكا ونشرتها مجلة JAMA Network Open، يمكن لنموذج جديد للتعلم الآلي التنبؤ بالتوحد لدى الأطفال الصغار من خلال معلومات محدودة نسبيًا. يمكن لهذا النموذج تسهيل الكشف المبكر عن التوحد، وهو أمر مهم لتوفير الدعم المناسب.

تقول كريستينا تاميميز، الأستاذة المشاركة في KIND، قسم صحة المرأة والطفل في معهد كارولينسكا، وأحد مؤلفي الدراسة: “مع دقة تصل إلى ما يقرب من 80% للأطفال دون سن الثانية، نأمل أن تكون هذه أداة قيمة للرعاية الصحية”.

استخدم فريق البحث قاعدة بيانات أمريكية كبيرة (SPARK) تحتوي على معلومات حوالي 30 ألف فرد مصابين أو غير مصابين باضطرابات طيف التوحد.

ومن خلال تحليل مجموعة من 28 معلمة مختلفة، طوّر الباحثون أربعة نماذج مميزة للتعلم الآلي لتحديد الأنماط في البيانات. وكانت المعلمات المختارة عبارة عن معلومات عن الأطفال يمكن الحصول عليها دون إجراء تقييمات واختبارات طبية مكثفة قبل بلوغهم 24 شهرًا من العمر. وتم تسمية النموذج الأفضل أداءً باسم “AutMedAI”.

من بين حوالي 12000 فرد، تمكن نموذج AutMedAI من تحديد حوالي 80٪ من الأطفال المصابين بالتوحد. وبالاقتران مع معايير أخرى، كان عمر الابتسامة الأولى، والجملة القصيرة الأولى ووجود صعوبات في الأكل من المؤشرات القوية على الإصابة بالتوحد.

ويقول شيام راجاجوبالان، وهو مؤلف آخر للدراسة وباحث منتسب في نفس القسم في معهد كارولينسكا وأستاذ مساعد حاليًا في معهد المعلوماتية الحيوية والتكنولوجيا التطبيقية في الهند: “إن نتائج هذه الدراسة مهمة لأنها تظهر أنه من الممكن تحديد الأفراد الذين من المرجح أن يصابوا بالتوحد من معلومات محدودة نسبيًا ومتاحة بسهولة”.

وقال الباحثون إن التشخيص المبكر أمر بالغ الأهمية لتنفيذ التدخلات الفعالة التي يمكن أن تساعد الأطفال المصابين بالتوحد على التطور بشكل مثالي.

ويقول راجاجوبالان: “إن هذه الأداة قادرة على تغيير ظروف التشخيص المبكر والتدخلات بشكل جذري، وتحسين نوعية الحياة في نهاية المطاف للعديد من الأفراد وأسرهم”.

وفي الدراسة، أظهر نموذج الذكاء الاصطناعي نتائج جيدة في تحديد الأطفال الذين يعانون من صعوبات أكبر في التواصل الاجتماعي والقدرة الإدراكية ويعانون من تأخيرات أكبر في النمو.

ويخطط فريق البحث الآن لمزيد من التحسينات والتحقق من صحة النموذج في البيئات السريرية. كما يجري العمل على تضمين المعلومات الجينية في النموذج، وهو ما قد يؤدي إلى تنبؤات أكثر تحديدًا ودقة.

“ولضمان موثوقية النموذج بما يكفي لتطبيقه في السياقات السريرية، يلزم بذل جهد دقيق والتحقق الدقيق من صحته. وأود أن أؤكد أن هدفنا هو أن يصبح النموذج أداة قيمة للرعاية الصحية، وليس المقصود منه أن يحل محل التقييم السريري للتوحد”، كما يقول تاميميز.

مصدر المعلومات:

شيام راجاجوبالان وآخرون. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229