Tutkimus: tekoäly voi parantaa ADHD: n MR-havaitsemista
14. tammikuuta 2020
Keinotekoinen älykkyys voi parantaa huomattavasti hermosolujen tarkkuutta käyttämällä MRI-aivaskannauksia - tarkkailuhäiriöiden hyperaktiivisuushäiriöiden (ADHD) havaitsemiseksi, julkaistiin äskettäin julkaisussa Radiologia: tekoäly.1
Ohion tutkijoiden suorittama tutkimus Cincinnatin yliopisto ja Cincinnatin lastensairaalan terveyskeskus, keskittyy esiin nousevaan käyttöideaan aivojen kuvantaminen ADHD: n oireiden havaitsemiseksi potilailla. Tällä hetkellä ADHD: lle ei ole olemassa yhtäkään lopullista testiä - diagnoosi tulee oire- ja käyttäytymistestaussarjan jälkeen.
Tutkimus kuitenkin viittaa siihen ADHD voidaan mahdollisesti havaita tutkimalla connectomea - kartta aivojen hermoyhteyksistä, jotka on rakennettu aivojen MRI-skannausten kerrosten avulla, joita kutsutaan partikkeleiksi. Jotkut tutkimukset viittaavat siihen, että häiriintynyt tai keskeytynyt yhteys on kytketty ADHD: hen.
Suurimpaan osaan tähän mennessä tehtyyn tutkimukseen on osallistunut ”yksikanavainen syvähermoverkko” (scDNN) -malli, jossa keinotekoinen älykkyys auttaa tietokonetta rakentamaan yhteydet yhdestä paketista. Tässä tutkimuksessa tutkijat kehittivät ”monikanavaisen syvän neuroverkkomallin” tai mcDNN: n, jossa yhteydet rakennetaan usean paketin perusteella. Nämä monimuotoiset paketit saatiin 973 osanottajan aivotiedoista.
Malli oli myös ohjelmoitu analysoimaan ja havaitsemaan kuvioita monimuotoisissa yhteyksissä ADHD: n havaitsemiseksi ja ennakoivimpien aivojen yhteysominaisuuksien tunnistamiseksi ADHD-diagnoosi. Tulokset osoittivat, että ADHD-havaitsemisen suorituskyky parani “huomattavasti” mcDNN-mallilla scDNN-vaihtoehdon kanssa.
"Tuloksemme korostavat aivojen yhdistelmän ennustavaa voimaa", vanhempi kirjailija Lili Hän kertoi Pohjois-Amerikan radiologiselle seuralle.2. "Useita asteikkoja ulottuva rakennettu aivojen funktionaalinen yhteys, joka tarjoaa lisätietoja koko aivojen verkkojen kuvaamiseksi."
Tutkimus avaa ovet aivojen kuvantamiselle ja syville hermoverkoille tai syvälle oppimiseen muiden tilojen havaitsemiseksi. "Tämä malli voidaan yleistää muihin neurologisiin puutteisiin", hän totesi, että tämä mcDNN-malli on jo käytetään ennustamaan ennenaikaisten vastasyntyneiden kognitiivista vajaatoimintaa esimerkiksi ennustamaan ikäihmisten kehitystä kaksi.
Lähteet
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., & He, L. (2019). Monikanavainen syväneuroverkkomalli, jossa analysoidaan moniskaalaisia toiminnallisia aivokonneomitietoja huomion alijäämähyperaktiivisuuden häiriöiden havaitsemiseksi. Radiologia: tekoäly, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Keinotekoinen älykkyys lisää ADHD: n MR-havaitsemista. (2019, 11. joulukuuta). Haettu 2020, 13. tammikuuta alkaen https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Päivitetty 14. tammikuuta 2020
Vuodesta 1998 lähtien miljoonat vanhemmat ja aikuiset ovat luottaneet ADDituden asiantuntijaohjeisiin ja tukeen parempaan elämiseen ADHD: n ja siihen liittyvien mielenterveystilojen kanssa. Missiomme on olla luotettava neuvonantajasi, horjumaton lähde ymmärtämistä ja ohjausta tiellä hyvinvointiin.
Hanki ilmainen kysymys ja ilmainen ADDitude-e-kirja sekä säästä 42% kannen hinnasta.
