Μια νέα έρευνα από το Πανεπιστήμιο του York αποκαλύπτει ότι η τεχνητή νοημοσύνη μπορεί να εντοπίσει ενδείξεις αυτισμού παρατηρώντας κάτι τόσο απλό και καθημερινό όσο ο τρόπος με τον οποίο κάποιος πιάνει ένα αντικείμενο με τα δάχτυλά του. Η μελέτη, που αξιοποίησε τεχνολογία παρακολούθησης κίνησης σε συνδυασμό με μηχανική μάθηση, φέρνει στο φως νέες δυνατότητες για γρήγορη, οικονομική και μη επεμβατική διάγνωση του αυτισμού.
Οι ερευνητές χρησιμοποίησαν ένα σύστημα παρακολούθησης της κίνησης σε δείγμα 59 νεαρών ενηλίκων. Οι συμμετέχοντες κλήθηκαν να πιάσουν διάφορα ορθογώνια αντικείμενα με τον αντίχειρα και τον δείκτη. Παρά τη φαινομενική απλότητα της δραστηριότητας, τα δεδομένα που συλλέχθηκαν αποκάλυψαν λεπτές διαφορές στον τρόπο κίνησης και ελέγχου των χεριών, οι οποίες συνδέονται με το φάσμα του αυτισμού.
Η ομάδα κατέγραψε παραμέτρους όπως η ταχύτητα των δακτύλων, η τροχιά της κίνησης και ο χρόνος που απαιτείται για να επιτευχθεί η μέγιστη πίεση στο πιάσιμο. Αυτά τα χαρακτηριστικά τροφοδοτήθηκαν σε πέντε διαφορετικά μοντέλα τεχνητής νοημοσύνης. Το αποτέλεσμα ήταν εντυπωσιακό: τα συστήματα αναγνώρισης μπόρεσαν να εντοπίσουν τον αυτισμό με ακρίβεια που έφτασε έως και το 89%. Κατά μέσο όρο, όλα τα μοντέλα παρουσίασαν ποσοστά επιτυχίας άνω του 84%.
Τα ευρήματα ενισχύουν τη θεωρία ότι ο αυτισμός δεν είναι μόνο μια κατάσταση που επηρεάζει την κοινωνική αλληλεπίδραση και τη συμπεριφορά, αλλά συνοδεύεται και από ήπιες διαφοροποιήσεις στην κινητική λειτουργία. Οι κινήσεις «πιάσε-και-σήκωσε», που επαναλαμβάνουμε καθημερινά χωρίς σκέψη, όπως το να σηκώσουμε ένα φλιτζάνι ή να πιάσουμε το κινητό μας, φαίνεται πως κρύβουν πολύτιμες νευρολογικές υπογραφές.
Αυτό που καθιστά την έρευνα ακόμη πιο ενδιαφέρουσα είναι η πρακτική της διάσταση. Οι περισσότεροι σημερινοί διαγνωστικοί μηχανισμοί για τον αυτισμό απαιτούν πολύπλοκες και κοστοβόρες διαδικασίες, όπως μαγνητικές τομογραφίες ή συνεντεύξεις για τον καθορισμό του ψυχολογικού προφίλ. Αντίθετα, η προσέγγιση που προτείνει το Πανεπιστήμιο του York χρειάζεται μόνο δύο αισθητήρες στα δάχτυλα και έναν αλγόριθμο. Αυτή η μεθοδολογία θα μπορούσε στο μέλλον να χρησιμοποιηθεί σε ιατρεία, σχολεία ή ακόμα και κατ’ οίκον, καθιστώντας τη διάγνωση πιο προσβάσιμη.
Παρόλα αυτά, η μελέτη έχει και τους περιορισμούς της. Το δείγμα αφορούσε μόνο νεαρούς ενήλικες με μέσο δείκτη νοημοσύνης. Η απόδοση της τεχνητής νοημοσύνης σε παιδιά, δηλαδή τον βασικό πληθυσμό-στόχο για πρώιμη διάγνωση, παραμένει προς το παρόν άγνωστη. Οι ερευνητές σκοπεύουν να επεκτείνουν τη μελέτη τους ώστε να εξετάσουν την αποτελεσματικότητα της τεχνικής σε μικρότερες ηλικίες και σε διαφορετικούς τύπους αυτιστικού φάσματος.
Η δυνατότητα χρήσης της τεχνητής νοημοσύνης για την έγκαιρη ανίχνευση νευροαναπτυξιακών διαταραχών θεωρείται ένα από τα πιο ελπιδοφόρα πεδία της ιατρικής τεχνολογίας. Όσο νωρίτερα εντοπίζονται τέτοιου είδους διαγνώσεις, τόσο καλύτερες είναι οι πιθανότητες έγκαιρης παρέμβασης και υποστήριξης των ατόμων, με στόχο τη βελτίωση της ποιότητας ζωής τους.
Στο πρόσφατο παρελθόν, η τεχνητή νοημοσύνη έχει ήδη χρησιμοποιηθεί επιτυχώς στη διάγνωση διαφόρων παθήσεων, όπως ο καρκίνος. Το γεγονός ότι τώρα μπορεί να εντοπίσει σημάδια αυτισμού μέσα από τις πιο καθημερινές ανθρώπινες κινήσεις, ανοίγει νέους ορίζοντες στον χώρο της ιατρικής ακριβείας.
[via]
