یک پژوهش جدید نشان می‌دهد هوش مصنوعی می‌تواند با تحلیل داده‌های پزشکی، خطر ADHD را سال‌ها پیش از تشخیص رسمی شناسایی کند.

تشخیص زودهنگام ADHD با کمک الگوهای پنهان داده‌ها

به گزارش سلامت نیوز به نقل از neurosciencenews، یک پژوهش جدید نشان می‌دهد هوش مصنوعی می‌تواند سال‌ها پیش از تشخیص بالینی، خطر ابتلای یک کودک به اختلال بیش‌فعالی/کم‌توجهی (ADHD) را با دقت بالا پیش‌بینی کند. این سیستم با بررسی «الگوهای پنهان» در پرونده‌های الکترونیک سلامت (EHR) از بدو تولد تا اوایل کودکی، ترکیبی از نشانه‌های رشدی و رفتاری را شناسایی می‌کند که ممکن است در ویزیت‌های کوتاه پزشکی از چشم پزشکان پنهان بماند.

این ابزار به‌عنوان یک «شبکه ایمنی بالینی» طراحی شده تا کودکان در معرض خطر، زودتر برای ارزیابی و دریافت حمایت شناسایی شوند.

نکات کلیدی

  • حجم داده‌ها: تحلیل اطلاعات پزشکی بیش از ۱۴۰ هزار کودک، با و بدون ADHD
  • تشخیص زودهنگام: مدل از بدو تولد داده‌ها را بررسی کرده و تا سن ۵ سالگی به دقت بالایی در پیش‌بینی خطر می‌رسد
  • دقت برابر: عملکرد مدل در گروه‌های مختلف (جنسیت، نژاد، قومیت و وضعیت بیمه) یکسان بوده است
  • نقش کمکی، نه تشخیصی: این ابزار جای پزشک را نمی‌گیرد، بلکه کودکان نیازمند بررسی بیشتر را مشخص می‌کند
  • پیامد بهتر: شناسایی زودهنگام به بهبود نتایج تحصیلی، اجتماعی و سلامت بلندمدت کمک می‌کند

جزئیات پژوهش

اختلال ADHD میلیون‌ها کودک را درگیر می‌کند، اما بسیاری از آن‌ها سال‌ها بدون تشخیص باقی می‌مانند و فرصت دریافت حمایت زودهنگام را از دست می‌دهند.

در این مطالعه، پژوهشگران دانشگاه دوک نشان دادند که ابزارهای هوش مصنوعی می‌توانند با تحلیل داده‌های معمول پرونده‌های پزشکی، خطر ابتلا به ADHD را بسیار زودتر از روش‌های معمول تخمین بزنند.

این پژوهش که در نشریه Nature Mental Health منتشر شده، نشان می‌دهد اطلاعاتی که همین حالا در مراجعات عادی پزشکی ثبت می‌شود، می‌تواند به تصمیم‌گیری بهتر پزشکان کمک کند.

به گفته «الیوت هیل»، نویسنده اصلی مطالعه:«ما منبع بسیار غنی‌ای از داده‌ها در پرونده‌های سلامت الکترونیک داریم. هدف این بود که ببینیم آیا می‌توان از این الگوهای پنهان برای پیش‌بینی ADHD قبل از تشخیص معمول استفاده کرد یا نه.»

هوش مصنوعی دقیقاً چه چیزی را بررسی می‌کند؟

مدل هوش مصنوعی ترکیب و زمان‌بندی رویدادهایی را تحلیل می‌کند که به‌تنهایی شاید مهم به نظر نرسند، اما در کنار هم یک «امضای خطر» می‌سازند، مثل:

  • تأخیرهای رشدی
  • اختلالات خواب
  • مراجعات مکرر به دلیل مشکلات رفتاری

این مدل در کودکان ۵ سال به بالا دقت بالایی در پیش‌بینی خطر نشان داد.

هوش مصنوعی جای پزشک را می‌گیرد؟

خیر.
پژوهشگران تأکید می‌کنند این ابزار صرفاً برای کمک به مدیریت بهتر منابع است.

به گفته دکتر «متیو انگلهارد»: «این یک پزشک هوش مصنوعی نیست. ابزاری است که به پزشکان کمک می‌کند روی کودکانی تمرکز کنند که بیشتر به توجه نیاز دارند، تا از سیستم خارج نشوند یا سال‌ها در انتظار تشخیص نمانند.»

چرا این موضوع مهم است؟

تشخیص زودهنگام ADHD می‌تواند:

  • عملکرد تحصیلی کودک را بهبود دهد
  • روابط اجتماعی را تقویت کند
  • سلامت روان در بلندمدت را ارتقا دهد

به گفته یکی از پژوهشگران: «کودکان مبتلا به ADHD اگر حمایت مناسب دریافت نکنند، با چالش‌های جدی روبه‌رو می‌شوند. دسترسی به مداخلات به‌موقع و مبتنی بر شواهد، کلید موفقیت آن‌هاست.»

این پژوهش نشان می‌دهد آینده پزشکی به سمت استفاده هوشمندانه از داده‌های موجود حرکت می‌کند. هوش مصنوعی می‌تواند با شناسایی الگوهای پنهان، به تشخیص زودتر و دقیق‌تر اختلالات کمک کند، بدون آنکه جایگزین پزشکان شود

نظر شما

شما در حال پاسخ به نظر «» هستید.
captcha