Pētījums: Mākslīgais intelekts var uzlabot ADHD noteikšanu ar MR
2020. gada 14. janvāris
Mākslīgais intelekts var ievērojami uzlabot neironu modeļu precizitāti, izmantojot MRI smadzeņu skenēšanu lai atklātu uzmanības deficīta hiperaktivitātes traucējumus (ADHD), liecina pētījums, kas nesen publicēts Radioloģija: mākslīgais intelekts.1
Pētījums, ko veica pētnieki no Ohaio Sinsinati Universitāte un Sinsinati bērnu slimnīcas medicīnas centrs, koncentrējas uz topošo ideju par izmantošanu smadzeņu attēlveidošana, lai noteiktu ADHD pazīmes pacientiem. Pašlaik nav viena, noteikta ADHD testa - diagnoze tiek noteikta pēc simptomu un uzvedības testu sērijas.
Pētījumi tomēr to liecina ADHD potenciāli var noteikt, izpētot connectome - smadzeņu neironu savienojumu karti, kas izveidota, izmantojot smadzeņu MRI skenēšanu, kas pazīstama kā parcelsācijas. Daži pētījumi liecina, ka traucēts vai pārtraukts savienojums ir saistīts ar ADHD.
Lielākā daļa līdz šim veikto pētījumu ir iesaistīti “vienkanāla dziļā neironu tīkla” (scDNN) modelī, kur mākslīgais intelekts palīdz datoram konstruēt savienojumus, pamatojoties uz vienu zemes gabalu. Šajā pētījumā zinātnieki izstrādāja “daudzkanālu dziļā neironu tīkla modeli” jeb mcDNN, kur savienojumi tiek veidoti, balstoties uz vairākām paketēm. Šīs daudzpakāpju paketes nāca no 973 dalībnieku smadzeņu datu kopām.
Modelis tika ieprogrammēts arī, lai analizētu un atklātu modeļus daudzizmēra savienotājos, lai noteiktu ADHD un identificētu visredzamākās smadzeņu savienojuma funkcijas ADHD diagnoze. Rezultāti parādīja, ka ADHD noteikšanas veiktspēja “ievērojami” uzlabojās, izmantojot mcDNN modeli, salīdzinot ar scDNN alternatīvu.
“Mūsu rezultāti uzsver smadzeņu savienojuma paredzamo spēku”, vecākā autore Lili Viņš sacīja Ziemeļamerikas radioloģiskajai biedrībai2. "Izveidotais smadzeņu funkcionālais savienojums, kas aptver vairākus mērogus, sniedz papildu informāciju, lai attēlotu tīklus visā smadzenēs."
Pētījums paver iespējas smadzeņu attēlveidošanai un dziļu neironu tīklu izveidošanai vai padziļinātai apmācībai, lai palīdzētu noteikt citus apstākļus. "Šo modeli var vispārināt ar citiem neiroloģiskiem trūkumiem," viņš teica, atzīmējot, ka šis mcDNN modelis jau ir izmanto kognitīvā deficīta prognozēšanai priekšlaicīgi dzimušiem zīdaiņiem, piemēram, lai prognozētu neirodegradācijas iznākumu vecumā divi.
Avoti
1 Čens, M., Li, H., Vangs, J., Dilmens, Dž. R., Parikh, N. A., & He, L (2019). Daudzkanālu dziļā neironu tīkla modelis, kas analizē daudzskalu funkcionālā smadzeņu savienojuma datus uzmanības deficīta hiperaktivitātes traucējumu noteikšanai. Radioloģija: mākslīgais intelekts, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Mākslīgais intelekts veicina ADHD noteikšanu MRT. (2019. gads, 11. decembris). Saņemts 2020. gadā, 13. janvārī no plkst https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Atjaunināts 2020. gada 14. janvārī
Kopš 1998. gada miljoniem vecāku un pieaugušo ir uzticējušies ADDitude ekspertu norādījumiem un atbalstam, lai labāk dzīvotu ar ADHD un ar to saistītajiem garīgās veselības stāvokļiem. Mūsu misija ir būt jūsu uzticamajam padomdevējam, nelokāmam izpratnes un norādījumu avotam uz labsajūtas ceļa.
Saņemiet bezmaksas izlaidumu un bezmaksas e-grāmatu PAPILDINĀJUMS, kā arī ietaupiet 42% no vāka cenas.
