Yapay zeka ile taranan göz resimleri, çocukluktaki otizmi %100 doğrulukla teşhis ediyor

 

Araştırmacılar, retina fotoğraflarını taramak için yapay zekayı kullanarak çocuklarda otizmi doğru bir şekilde teşhis edebildiler

|

Araştırmacılar, otizmi %100 doğrulukla teşhis etmek için çocukların retinalarının fotoğraflarını çekti ve bunları derin öğrenme yapay zeka algoritması kullanarak taradı. Bulgular, özellikle uzman bir çocuk psikiyatristine erişimin sınırlı olduğu durumlarda yapay zekanın erken teşhis için objektif bir tarama aracı olarak kullanılmasını desteklemektedir.

Gözün arkasında retina ve optik sinir optik diskte birbirine bağlanır. Merkezi sinir sisteminin bir uzantısı olan yapı, beyne açılan bir penceredir ve araştırmacılar, beyinle ilgili önemli bilgileri elde etmek için vücudun bu kısmına kolayca ve müdahalesiz bir şekilde erişme yeteneklerinden yararlanmaya başlamıştır.

Son zamanlarda, Birleşik Krallık'taki araştırmacılar , retinaya göze zarar vermeyen bir lazer ışınlayarak beyin sarsıntısını hızlı bir şekilde teşhis etmek için invaziv olmayan bir yöntem geliştirdiler . Şimdi, Güney Kore'deki Yonsei Üniversitesi Tıp Fakültesi'nden araştırmacılar, yapay zeka algoritması tarafından taranan retina görüntülerini kullanarak çocuklarda otizm spektrum bozukluğunu (ASD) ve semptom şiddetini teşhis etmek için bir yöntem geliştirdiler.

Araştırmacılar, yaş ortalaması 7,8 olan 958 katılımcıyı işe aldı ve retinalarının fotoğrafını çekerek toplam 1.890 görüntü elde etti. Katılımcıların yarısına OSB tanısı konuldu ve yarısı yaş ve cinsiyet açısından uyumlu kontrollerden oluşuyordu. OSB semptom şiddeti, Otizm Tanısal Gözlem Çizelgesi - İkinci Baskı (ADOS-2) kalibre edilmiş şiddet puanları ve Sosyal Duyarlılık Ölçeği - İkinci Baskı (SRS-2) puanları kullanılarak değerlendirildi.

Bir derin öğrenme algoritması olan evrişimli bir sinir ağı, ASD ve ASD semptom şiddetini taramak için modeller oluşturmak amacıyla retina görüntülerinin %85'i ve semptom şiddet testi puanları kullanılarak eğitildi. Görüntülerin kalan %15'i test için saklandı.

Test görüntü setinde ASD taraması için yapay zeka, ortalama alanı 1,00 olan alıcı işletim karakteristiği (AUROC) eğrisinin altında olan ASD tanısı alan çocukları seçebilir. AUROC'un değeri 0 ile 1 arasında değişir. Tahminleri %100 yanlış olan bir modelin AUROC değeri 0,0'dır; Tahminleri %100 doğru olan birinin AUROC değeri 1,0'dır, bu da yapay zekanın mevcut çalışmadaki tahminlerinin %100 doğru olduğunu gösterir. Görüntünün en az önemli alanlarının (optik diski içermeyenler) %95'i çıkarıldığında bile ortalama AUROC'ta kayda değer bir azalma olmadı.

Araştırmacılar, "Modellerimiz, retina fotoğraflarını kullanarak ASD ve TD (tipik gelişim gösteren çocuklar) arasında ayrım yapma konusunda umut verici bir performans sergiledi; bu da, OSB'deki retinal değişikliklerin biyolojik belirteçler olarak potansiyel değere sahip olabileceğini ima ediyor" dedi. "İlginç bir şekilde, bu modeller optik diski içeren görüntünün yalnızca %10'unu kullanarak 1,00'lik ortalama AUROC'yi korudu; bu da bu alanın ASD'yi TD'den ayırmak için çok önemli olduğunu gösteriyor."

Semptom şiddeti için ortalama AUROC değeri 0,74 olup, 0,7 ila 0,8 arası bir AUROC 'kabul edilebilir' ve 0,8 ila 0,9'luk bir AUROC 'mükemmel' olarak kabul edilir.

Araştırmacılar, "Bulgularımız retina fotoğraflarının semptom şiddeti hakkında ek bilgi sağlayabileceğini gösteriyor" dedi. "Uygun sınıflandırmanın SRS-2 puanları için değil, yalnızca ADOS-2 puanları için mümkün olduğunu gözlemledik. Bunun nedeni, ADOS-2'nin eğitimli bir profesyonel tarafından değerlendirme için yeterli süreye sahip olarak yürütülmesi olabilirken, SRS-2'nin genellikle bir bakıcı tarafından birkaç düzine dakika içinde tamamlanması olabilir; dolayısıyla birincisi kişinin ciddiyet durumunu ikincisine göre daha doğru yansıtacaktır.”

Çalışmaya katılanlar dört yaşındaydı. Araştırmacılar, bulgularına dayanarak, yapay zeka tabanlı modellerinin o çağdan itibaren objektif bir tarama aracı olarak kullanılabileceğini söylüyor. Yenidoğanın retinası dört yaşına kadar büyümeye devam ettiğinden, aracın bundan daha genç katılımcılar için doğru olup olmadığının belirlenmesi için daha fazla araştırmaya ihtiyaç vardır.

Araştırmacılar, "Genellenebilirliği sağlamak için gelecekteki çalışmalara ihtiyaç duyulmasına rağmen, çalışmamız, OSB için objektif tarama araçlarının geliştirilmesine yönelik kayda değer bir adımı temsil ediyor; bu, sınırlı kaynaklar nedeniyle özel çocuk psikiyatrisi değerlendirmelerine erişilememesi gibi acil sorunların çözülmesine yardımcı olabilir" dedi.

Çalışma JAMA Network Open dergisinde yayınlandı .

Kaynak: Scimex aracılığıyla Yonsei Üniversitesi Tıp Fakültesi