AI kan autisme met 100% betrouwbaarheid detecteren door het netvlies te observeren

Het gebruik van kunstmatige intelligentie bij medische diagnoses is sinds de komst van kunstmatige intelligentie steeds tastbaarder geworden. Verrassend genoeg heeft onderzoek onlangs aangetoond dat het onderzoeken van beelden van het netvlies autisme met 100% betrouwbaarheid kan diagnosticeren. Deze niet-chirurgische methode maakt het mogelijk tekenen van autisme bij kinderen op te sporen door structurele veranderingen in het netvlies te analyseren. Het belooft een meer objectieve en toegankelijke screening, wat cruciaal is voor vroege interventies.

Vroegtijdige detectie van autisme bij kinderen vormt een grote uitdaging voor hun toekomst. Onlangs hebben onderzoekers van de Yonsei Universiteit in Zuid-Korea een innovatieve manier ontwikkeld om retinale beelden te analyseren met behulp van een deep learning-algoritme.

Deze aanpak, waarbij het netvlies, dat in zekere zin een verlengstuk is van het centrale zenuwstelsel, in detail wordt onderzocht, zou een revolutie teweeg kunnen brengen in de screening van autisme (of autismespectrumstoornis, ASS), omdat het extreem snel, niet-invasief en vooral opmerkelijk nauwkeurig (ongeveer 100% betrouwbaarheid) vergeleken met traditionele methoden. Het werk van het team is beschikbaar in het tijdschrift Nieuw open gamma.

Het netvlies, de spiegel van de hersenen

Het netvlies is een integraal onderdeel van het centrale zenuwstelsel, omdat het fungeert als een spiegel die de zenuwtoestand onthult. In de context van autisme hebben onderzoekers kenmerken in de netvliesstructuur geïdentificeerd die specifiek zijn voor autismespectrumstoornissen bij getroffen kinderen. Deze netvliesafwijkingen weerspiegelen de neurologische verschillen die verband houden met autisme. Om deze subtiele verschillen vast te leggen, worden gedetailleerde beelden van het netvlies vastgelegd en onderworpen aan diepgaande analyse door een algoritme voor kunstmatige intelligentie.

De aanpak is gebaseerd op het trainen van een AI-algoritme met behulp van een grote dataset, waaronder afbeeldingen van de netvliezen van gediagnosticeerde kinderen en informatie over de ernst van hun symptomen. Het onderzoek richtte zich specifiek op retinale beelden van 1.890 ogen van 958 deelnemers jonger dan 19 jaar. Bij de helft van de deelnemers was de diagnose autismespectrumstoornis gesteld, en de andere helft was van dezelfde leeftijd en hetzelfde geslacht. De ernst van de ASS-symptomen werd beoordeeld met behulp van het gestandaardiseerde Autism Diagnostic Observation Schedule – Severity Scores, Second Edition (ADOS-2) en de Social Responsiveness Scale – Scores, Second Edition (SRS-2).

Vervolgens werd 85% van de verzamelde beelden van het netvlies, samen met de resultaten van de ernst van de symptomen, gebruikt om de AI te trainen en het convolutionele neurale netwerk te ontwerpen. De resterende 15% van de afbeeldingen werd bewaard voor de modeltestfase. De AI behaalde een uitstekende score in het onderscheid maken tussen ASS en ASS (doorgaans ontwikkelende kinderen) met behulp van afbeeldingen van het netvlies.

Onderzoekers Hij legt uit : ” Dit betekent dat veranderingen in het netvlies bij ASS potentiële waarde kunnen hebben als biomarkers Bovendien bleven de AI-scores bij gebruik van slechts 10% van het beeld met de optische schijf onveranderd, wat erop wijst dat deze regio essentieel is om ASS van TD te onderscheiden.

Veelbelovend instrument

Het gebruik van kunstmatige intelligentie voor screening op autisme is van bijzonder belang op gebieden waar de gespecialiseerde medische middelen beperkt zijn, vooral in de kinderpsychiatrie. Het heeft het potentieel om de zorg toegankelijker te maken en de ongelijkheid op gezondheidsgebied te verkleinen.

In veel omgevingen is de toegang tot gekwalificeerde professionals om autisme te evalueren en te diagnosticeren moeilijk, wat vaak resulteert in aanzienlijke vertragingen bij de detectie en interventie. Kunstmatige intelligentie biedt, door afbeeldingen van het netvlies te analyseren om tekenen van autisme te identificeren, een veelbelovende oplossing voor dit probleem. Vooral omdat vroege diagnose essentieel is om de langetermijnresultaten bij kinderen met autisme te verbeteren.

Bovendien biedt de op AI gebaseerde aanpak een aanzienlijk voordeel op het gebied van objectiviteit. Traditionele screeningsmethoden voor autisme zijn vaak gebaseerd op gedragsbeoordelingen en observaties, die onderhevig kunnen zijn aan persoonlijke vooringenomenheid van de kant van beoordelaars. Deze vooroordelen kunnen worden beïnvloed door verschillende factoren, zoals de persoonlijke ervaringen van de arts, specifieke kennis of zelfs culturele vooroordelen.

Zie ook

Een op AI gebaseerd screeningsinstrument neemt daarentegen deze subjectieve vooroordelen weg en biedt een beoordeling die uitsluitend op netvliesgegevens is gebaseerd. Deze objectiviteit zorgt ervoor dat de diagnose gebaseerd is op consistente en reproduceerbare criteria, ongeacht de vaardigheden of ervaring van de arts. Als gevolg hiervan zou kunstmatige intelligentie het autisme-diagnoseproces wereldwijd kunnen standaardiseren, waardoor een grotere eerlijkheid en uniformiteit bij de beoordeling en behandeling van de stoornis wordt gegarandeerd.

Technologie legt nog steeds bepaalde grenzen op

Het integreren van kunstmatige intelligentie in de diagnose van autisme betekent een grote vooruitgang, maar het is van cruciaal belang om te beseffen dat deze technologie zich nog in de ontwikkelings- en validatiefase bevindt. Om de betrouwbaarheid en effectiviteit ervan op grote schaal te bewijzen, zijn aanvullende onderzoeken nodig, vooral om de toepasbaarheid ervan in verschillende settings en populaties te testen. Dit onderzoek moet zich richten op de diversiteit van de steekproef in leeftijd, geslacht, culturele en sociaal-economische achtergrond, evenals op de variatie in autismesymptomen.

Een ander belangrijk aspect om te overwegen is de fysiologische ontwikkeling van het netvlies bij kinderen. Het netvlies bereikt pas rond de leeftijd van vier jaar volledige rijpheid, wat vragen oproept over de nauwkeurigheid van het diagnosticeren van autisme bij jongere kinderen met behulp van deze methode. Er zijn specifieke onderzoeken nodig om de effectiviteit van AI te evalueren bij het analyseren van netvliesbeelden bij jonge kinderen, omdat veranderingen in het netvlies mogelijk minder uitgesproken of anders zijn dan die waargenomen bij oudere kinderen. Dit onderzoek zal helpen bepalen of specifieke aanpassingen of kalibraties nodig zijn om deze technologie te gebruiken bij de vroege diagnose van autisme.

bron : Nieuw open gamma