JAMA Network Open журналында жарияланған Каролинска институтының жаңа зерттеуіне сәйкес, машиналық оқытудың жаңа моделі кішкентай балалардағы аутизмді салыстырмалы түрде шектеулі ақпараттан болжай алады. Бұл модель аутизмді ерте анықтауды жеңілдетеді, бұл дұрыс қолдау көрсету үшін маңызды.
Кристиина Таммимис, KIND, әйелдер мен балалар денсаулығы кафедрасының доценті, зерттеу авторларының бірі, Каролинский институты былай дейді: «Екі жасқа толмаған балалар үшін 80% дерлік дәлдікпен біз бұл нәтиже береді деп үміттенеміз. денсаулық сақтаудың құнды құралы».
Зерттеу тобы аутизм спектрінің бұзылуы бар және онсыз шамамен 30 000 адам туралы ақпараты бар АҚШ-тың үлкен дерекқорын (SPARK) пайдаланды.
28 түрлі параметрдің комбинациясын талдай отырып, зерттеушілер деректердегі үлгілерді анықтау үшін машиналық оқытудың төрт түрлі моделін әзірледі. Таңдалған параметрлер 24 айға дейін толық бағалаусыз және медициналық сынақтарсыз алуға болатын балалар туралы ақпарат болды. Үздік өнімді модель «AutMedAI» деп аталды.
12 000-ға жуық адамның арасында AutMedAI үлгісі аутизмі бар балалардың шамамен 80% анықтай алды. Басқа параметрлермен ерекше үйлесімде, алғашқы күлімсіреу жасы, алғашқы қысқа сөйлем және тамақтану қиындықтарының болуы аутизмнің күшті болжаушылары болды.
Шям Раджагопалан, зерттеудің тағы бір авторы, Каролинска институтының сол бөлімшесінің ғылыми қызметкері және қазіргі уақытта Үндістандағы Биоинфоматика және қолданбалы технологиялар институтының ассистенті: «Бұл зерттеудің нәтижелері маңызды, өйткені олар оның салыстырмалы шектеулі және қол жетімді ақпарат негізінде аутизммен ауыратын адамдарды анықтауға болады».
Зерттеушілердің пікірінше, аутизммен ауыратын балалардың оңтайлы дамуына көмектесетін тиімді араласуды жүзеге асыру үшін ерте диагностика өте маңызды.
«Бұл құрал ерте диагностика мен араласу шарттарын түбегейлі өзгерте алады және сайып келгенде көптеген адамдар мен олардың отбасыларының өмір сапасын жақсартады», – дейді Раджагопалан.
Зерттеуде AI моделі әлеуметтік қарым-қатынас пен когнитивті қабілетте қиындықтары бар және дамуында артта қалған балаларды анықтауда жақсы нәтиже көрсетті.
Зерттеу тобы қазір клиникалық жағдайларда модельді одан әрі жетілдіруді және валидациялауды жоспарлап отыр. Сондай-ақ модельге генетикалық ақпаратты енгізу бойынша жұмыс жүргізілуде, бұл одан да нақты және дәл болжамдарға әкелуі мүмкін.
«Модельдің клиникалық контексте енгізу үшін жеткілікті сенімді болуын қамтамасыз ету үшін қатаң жұмыс және мұқият тексеру қажет. Біздің мақсатымыз – бұл модельдің денсаулық сақтаудың құнды құралына айналуы және ол аутизмді клиникалық бағалауды алмастыруға арналмағанын атап өткім келеді », – дейді Таммимис.
Ақпарат көзі:
Shyam Rajagopalan және т.б. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229
