Araştırmacılar, otizmi yüzde 100 doğrulukla teşhis etmek için çocukların retinalarının fotoğraflarını çekti ve bunları derin öğrenme yapay zeka algoritması kullanarak taradı.
Bulgular, özellikle uzman bir çocuk psikiyatristine erişimin sınırlı olduğu durumlarda yapay zekanın erken teşhis için objektif bir tarama aracı olarak kullanılmasını gösterdi.
Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs
Gözün arkasında retina ve optik sinir optik diskte birbirine bağlanır. Merkezi sinir sisteminin bir uzantısı olan yapı, beyne açılan bir penceredir ve araştırmacılar, beyinle ilgili önemli bilgileri elde etmek için vücudun bu kısmına kolayca ve müdahalesiz bir şekilde erişme yeteneklerinden yararlanmaya başladılar.
Birleşik Krallık’taki araştırmacılar, retinaya göze zarar vermeyen bir lazer ışınlayarak beyin sarsıntısını hızlı bir şekilde teşhis etmek için invaziv olmayan bir yöntem geliştirdiler.
Şimdi, Güney Kore’deki Yonsei Üniversitesi Tıp Fakültesi’nden araştırmacılar, yapay zeka algoritması tarafından taranan retina görüntülerini kullanarak çocuklarda otizm spektrum bozukluğunu (ASD) ve semptom şiddetini teşhis etmeye yönelik bir yöntem geliştirdiler.
Araştırmacılar, yaş ortalaması 7,8 olan 958 katılımcının retinalarının fotoğrafını çekerek toplam 1.890 görüntü elde etti.
Katılımcıların yarısına OSB tanısı konuldu ve yarısı yaş ve cinsiyet açısından uyumlu kontrollerden oluşuyordu.
Bir derin öğrenme algoritması olan evrişimli bir sinir ağı, ASD ve ASD semptom şiddetini taramak için modeller oluşturmak amacıyla retina görüntülerinin yüzde 85’i ve semptom şiddet testi puanları kullanılarak eğitildi.
Görüntülerin geri kalan yüzde 15’i test için saklandı.
Test görüntü setinde ASD taraması için yapay zeka, ortalama alanı 1,00 olan alıcı işletim karakteristiği (AUROC) eğrisinin altında olan ASD tanısı alan çocukları seçebilir.
AUROC’un değeri 0 ile 1 arasında değişir. Tahminleri yüzde 100 yanlış olan bir modelin AUROC değeri 0,0’dır; Tahminleri yüzde 100 doğru olan birinin AUROC değeri 1,0’dır, bu da yapay zekanın mevcut çalışmadaki tahminlerinin yüzde 100 doğru olduğunu gösterir. Görüntünün en az önemli alanlarının (optik diski içermeyenler) yüzde 95’i çıkarıldığında bile ortalama AUROC’ta dikkate değer bir azalma olmadı.
Araştırmacılar, “Modellerimiz, retina fotoğraflarını kullanarak ASD ve TD (tipik gelişim gösteren çocuklar) arasında ayrım yapma konusunda umut verici bir performans sergiledi; bu da, OSB’deki retinal değişikliklerin biyolojik belirteçler olarak potansiyel değere sahip olabileceğini ima ediyor. İlginç bir şekilde, bu modeller optik diski içeren görüntünün yalnızca yüzde 10’unu kullanarak ortalama 1,00 AUROC’yi korudu; bu da bu alanın ASD’yi TD’den ayırmak için çok önemli olduğunu gösteriyor.”
Semptom şiddeti için ortalama AUROC değeri 0,74 olup, 0,7 ila 0,8 arası bir AUROC “kabul edilebilir”, 0,8 ila 0,9 arası ise “mükemmel” olarak kabul edilir.
Araştırmacılar, “Bulgularımız retina fotoğraflarının semptom şiddeti hakkında ek bilgi sağlayabileceğini gösteriyor. Uygun sınıflandırmanın SRS-2 puanları için değil, yalnızca ADOS-2 puanları için mümkün olduğunu gözlemledik.
Bunun nedeni, ADOS-2’nin eğitimli bir profesyonel tarafından değerlendirme için yeterli süreye sahip olarak yürütülmesi olabilirken, SRS-2’nin genellikle bir bakıcı tarafından birkaç düzine dakika içinde tamamlanması olabilir; dolayısıyla birincisi kişinin ciddiyet durumunu ikincisine göre daha doğru yansıtacaktır.”
Çalışmaya katılanlar dört yaşındaydı.
Araştırmacılar, bulgularına dayanarak, yapay zeka tabanlı modellerinin o 4 yaşlarından itibaren objektif bir tarama aracı olarak kullanılabileceğini söylüyor.
Yenidoğanın retinası dört yaşına kadar büyümeye devam ettiğinden, aracın bundan daha genç katılımcılar için doğru olup olmadığının belirlenmesi için daha fazla araştırmaya ihtiyaç vardır.
Araştırmacılar, “Genellenebilirliği sağlamak için gelecekteki çalışmalara ihtiyaç duyulmasına rağmen, çalışmamız, OSB için objektif tarama araçlarının geliştirilmesine yönelik kayda değer bir adımı temsil ediyor; bu, sınırlı kaynaklar nedeniyle özel çocuk psikiyatrisi değerlendirmelerine erişilememesi gibi acil sorunların ele alınmasına yardımcı olabilir”
AI eye test for autism in kids may be able to tell how severe it is
