Η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους ειδικούς να εντοπίσουν νήπια που ενδέχεται να έχουν αυτισμό, σύμφωνα με ερευνητές που ανέπτυξαν ένα σύστημα προσυμπτωματικού ελέγχου, το οποίο πετυχαίνει 80% ακρίβεια. Η προσέγγιση αυτή, η οποία βασίζεται σε έναν τύπο τεχνητής νοημοσύνης που ονομάζεται μηχανική μάθηση, θα μπορούσε να αποφέρει οφέλη.
«Χρησιμοποιώντας το μοντέλο τεχνητής νοημοσύνης, είναι δυνατόν να αξιοποιηθεί η χρήση των διαθέσιμων πληροφοριών και η έγκαιρη αναγνώριση ατόμων με αυξημένη πιθανότητα για αυτισμό, ώστε να λάβουν νωρίτερα διάγνωση και βοήθεια» δήλωσε η Δρ. Κριστίνα Τάμιμις, συν-συγγραφέας της μελέτης από το Ινστιτούτο Karolinska στη Σουηδία.
Ωστόσο, πρόσθεσε ότι ο αλγόριθμος δεν μπορεί να διαγνώσει τον αυτισμό, καθώς η διάγνωση θα πρέπει να γίνει με κλινικές μεθόδους οι οποίες θεωρούνται το «χρυσό πρότυπο».
Οι ερευνητές της μελέτης, που δημοσιεύθηκε στο επιστημονικό περιοδικό «Jama Network Open», αξιοποίησαν δεδομένα από ένα αμερικανικό ερευνητικό πρόγραμμα που ονομάζεται Spark, το οποίο περιλαμβάνει πληροφορίες από 15.330 παιδιά με αυτισμό και 15.330 χωρίς τη διαταραχή. Η ομάδα εστίασε σε έναν συνδυασμό 28 διαφορετικών παραμέτρων που βασίστηκαν σε πληροφορίες που ανέφεραν οι γονείς των νηπίων σε ιατρικά ερωτηματολόγια που συμπλήρωσαν.
Στη συνέχεια δημιούργησαν μοντέλα μηχανικής μάθησης που αναζήτησαν διαφορετικά μοτίβα σε συνδυασμούς αυτών των χαρακτηριστικών μεταξύ αυτιστικών και μη αυτιστικών παιδιών. Αφού ανέπτυξε και δοκίμασε τέσσερα διαφορετικά μοντέλα, η ομάδα επέλεξε το πιο ελπιδοφόρο και το δοκίμασε σε ένα επιπλέον σύνολο δεδομένων από 11.936 συμμετέχοντες, εκ των οποίων, οι 10.476 είχαν διαγνωστεί με αυτισμό.
Τα αποτελέσματα έδειξαν ότι, συνολικά, το μοντέλο αναγνώρισε σωστά 9.417 (78,9%) συμμετέχοντες με ή χωρίς διαταραχή του φάσματος του αυτισμού, με ακρίβεια 78,5% για παιδιά ηλικίας έως δύο ετών, 84,2% για παιδιά ηλικίας δύο έως τεσσάρων ετών και 79,2% για ηλικίας τεσσάρων έως 10 ετών. Μια άλλη δοκιμή με ένα άλλο σύνολο δεδομένων που περιλάμβανε 2.854 άτομα με αυτισμό, έδειξε ότι το μοντέλο αναγνώρισε σωστά το 68%. Η ερευνήτρια σημείωσε ότι το δεύτερο σύνολο δεδομένων ήταν ελλιπές, γεγονός που επηρέασε την απόδοση του μοντέλου.
Οι ερευνητές διαπίστωσαν ότι τα σημαντικότερα χαρακτηριστικά για τις προβλέψεις του μοντέλου αφορούσαν προβλήματα στη διατροφή, την ηλικία κατά την οποία το παιδί έφτιαξε μεγάλες προτάσεις και την ηλικία του πρώτου χαμόγελου. Η ομάδα πρόσθεσε ότι το μοντέλο έτεινε να εντοπίζει τον αυτισμό σε άτομα με πιο σοβαρά συμπτώματα και γενικότερα αναπτυξιακά προβλήματα.
Ωστόσο, ορισμένοι ειδικοί προειδοποιούν ότι η ικανότητα του μοντέλου να αναγνωρίζει σωστά τα μη αυτιστικά άτομα ήταν μόνο 80%, που σημαίνει ότι το 20% μπορεί να είχε επισημανθεί εσφαλμένα ως αυτιστικό. Σημείωσαν επίσης ότι η πίεση για έγκαιρη διάγνωση θα μπορούσε να είναι προβληματική, καθώς είναι δύσκολο να ξεχωρίσουμε ποια παιδιά μπορεί να έχουν σοβαρή αναπηρία και ποια θα αναπτυχθούν κανονικά με το χρόνο.
Η εφαρμογή ψυχιατρικών ετικετών σε παιδιά κάτω των δύο ετών, η οποία είναι βασισμένη σε περιορισμένα στοιχεία, μπορεί να είναι πρόωρη και επικίνδυνη, επισήμανε η καθηγήτρια Τζίνι Ράσελ από το Πανεπιστήμιο του Έξετερ.
