Аналитика
Нарушувањето на хиперактивноста со дефицит на внимание (АДХД) може да предизвика тешкотии во одржувањето на вниманието, управувањето со нивото на енергија и контролирањето на импулсите.
Обично се појавува во детството и може значително да влијае на благосостојбата на поединецот и нивната способност да функционира во општеството.
Во Соединетите Американски Држави, приближно 6 милиони деца и тинејџери од 6 до 17 години од доверлив извор добиле дијагноза на АДХД.
Експертите велат дека дијагностицирањето на АДХД може да биде предизвик со медицинските професионалци кои често се потпираат на само-пријавени анкети кои се субјективни по природа. Тие велат дека има јасна побарувачка за пообјективни методи на дијагноза.
ВЕШТАЧКАТА ИНТЕЛИГЕНЦИЈА ГИ ПРЕПОЗНАВА ШЕМИТЕ
Во новото истражување претставено на годишниот состанок на Радиолошкото друштво на Северна Америка во ноември, научниците известија за длабоко учење тип на вештачка интелигенција (АИ) за испитување на МРИ скенови на тинејџери со и без АДХД.
Истражувачите рекоа дека откриле важни разлики во одредени мозочни структури наречени трактати на белата маса кај луѓето со АДХД.
Истражувачите рекоа дека нивната студија, која сè уште не е објавена во рецензирано списание, е важна затоа што е прва што користи длабоко учење за да ги идентификува индикаторите за АДХД.
Длабокото учење е вид на вештачка интелигенција што може автоматски да препознава шеми и врски во огромни количини на податоци.
Џастин Хујн, MS, ко-автор на студијата и истражувач на Одделот за неврорадиологија на Универзитетот во Калифорнија во Сан Франциско и студент по медицина на Медицинскиот колеџ Карле Илиноис во Урбана-Шампејн во Илиноис, изјави за Medical News Today дека анализирале голема база на податоци од мозочни слики на адолесценти со и без АДХД.
„Откривме дека, во просек, има статистички значајни разлики во сликите помеѓу учесниците во студијата со и без [дефицит на внимание]“, рече тој.
Се надеваме дека нашите наоди служат како ветувачки чекор кон постигнување подобро разбирање на АДХД од биолошка гледна точка, како и постандарден, објективен и попрецизен начин за дијагностицирање на состојбата.
Студија на податоци за скенирање со МРИ и клинички истражувања
Истражувањето вклучува податоци од скенирање на мозокот, клинички истражувања и други информации собрани од 21 истражувачка локација во САД.
Податоците за снимање на мозокот што тие ги користеа вклучуваа специјализирана техника на магнетна резонанца (МРИ) позната како дифузија пондерирана слика (DWI).
Претходните обиди да се искористи вештачката интелигенција за откривање на АДХД се соочија со потешкотии поради малата големина на примерокот и сложената природа на нарушувањето, објавија истражувачите.
Во оваа студија, истражувачкиот тим конкретно избрал 1.704 лица кои се состоеле и од адолесценти со АДХД и од оние без оваа состојба.
Користејќи DWI скенови, тие извлекоа мерења на фракционата анизотропија (FA) по 30 главни трактати на белата маса во мозокот. FA мери како молекулите на водата се движат низ влакната на овие патишта.
Вредностите на ФА од 1.371 поединец беа употребени за обука на модел на вештачка интелигенција со длабоко учење, кој потоа беше тестиран на 333 учесници, од кои 193 на кои им беше дијагностицирана АДХД и 140 без АДХД.
Преку употреба на вештачка интелигенција, истражувачите рекоа дека дошле до значајно откритие. Тие објавија дека кај лицата со АДХД, вредностите на ФА биле значително повисоки во девет трактати на белата маса.
Овие карактеристични модели на МРИ кај луѓето со АДХД не биле забележани со толку сложени детали претходно.
Во повеќето случаи, неправилностите откриени во овие трактати на белата маса се усогласени со симптомите типично поврзани со АДХД.
Д-р Давид Лефковиц, специјалист за неврорадиологија и медицински директор на МРИ во SimonMed Imaging, кој не беше вклучен во оваа студија, зборуваше за Medical News Today, велејќи: „Се согласувам со основното врамување на [истражувачите] на АДХД како сложено нарушување со потенцијални структурни и функционални варијации кои ја поткрепуваат психопатологијата“.
ПОПРЕЦИЗНО ДИЈАГНОСТИЦИРАЊЕ
„Историски, и со значителен напор, обидите да се пронајдат структурни корелации откриени со МРИ за дијагностицирање на АДХД беа во голема мера неуспешни“, рече Лефковиц. „Но, тие можеби сè уште постојат и истражувачите овде ги користат најдобрите достапни алатки за да најдат такви корелации со користење на комбинација на DTI и длабоко учење“, објасни тој.
Иако структурните абнормалности кај АДХД може да постојат ако само погледнеме доволно добро, ова не е најпривлечниот истражувачки пристап. На крајот на краиштата, АДХД е нарушување во однесувањето. Логично, се чини дека техниката на слика која ја проценува функцијата, а не структурата, би била повеќе ветувачка. Значи, проучувањето на функционалните мрежи (fMRI) или метаболизмот на мозокот (ПЕТ) би било мојата пристрасност. Сепак, мислам дека е важно да се задржи отворен ум.
„Откритијата се случуваат на неочекувани места, така што мојот скептицизам не треба да се смета за омаловажувачки“, рече Лефковиц. „Би бил многу заинтересиран да видам каде води ова, особено кога студијата ќе созрее до публикација рецензирана од врсници“.
Ливија Лајфс, главен извршен директор во Neuroute и експерт за вештачка интелигенција, кој исто така не бил вклучен во истражувањето, изјави за Medical News Today дека „ова истражување претставува значаен напредок во примената на ВИ и анализа на податоци за слики на полето на ADHD дијагнозата.“
Техниките за длабоко учење без надзор, како што се автоенкодерите, имаат потенцијал да откријат суптилни структурни обрасци што може да ги пропуштат традиционалните дијагностички методи. Ова може во голема мера да ја подобри точноста на дијагнозата на АДХД и да обезбеди вредни сознанија за основната невробиологија на нарушувањето.
Лефковиц се согласи, велејќи дека „точна неинвазивна техника на сликање за пациентите со АДХД може да биде многу корисна во клиничкото управување, а исто така и во испитувањата на лекови“.
„Еден од предизвиците со докажување на ефикасноста на лекот е изборот на пациенти“, рече тој. „Трошоците за клиничките испитувања на лекови се огромни, делумно затоа што се потребни голем број пациенти за да се постигнат статистички значајни резултати“.
„Попрецизна дијагноза на АДХД и понатаму, способноста за раслојување на пациентите врз основа на сериозноста има потенцијал да ја намали потребната големина, а со тоа и цената на таквите испитувања“, додаде тој.
