Дијагнозата на АДХД, т.е. нарушување на вниманието и хиперактивност, е од клучно значење за обезбедување навремена поддршка на луѓето на кои им е потребна, а сегашните дијагностички методи одземаат многу време и се нееднакви.

Но, новото истражување покажува дека АДХД може да се дијагностицира со помош на вештачка интелигенција. Истражувачи во Јужна Кореја обучиле модели за машинско учење за да ги поврзат карактеристиките на фотографиите од очното дно со професионална дијагноза на АДХД, пишува „Саенс алерт“ (Science alert).

Од четирите модели на машинско учење тестирани во студијата, најдобриот постигна точност од 96,9 проценти во предвидувањето на АДХД, само врз основа на фото-анализа.

Тимот открил дека поголемата густина на крвните садови, обликот и ширината на крвните садови, како и одредени промени во оптичкиот диск на окото, се клучни индикатори дека лицето го има ова нарушување. Со години се претпоставуваше дека промените во мозочната поврзаност, кои се поврзани со ADHD, би можеле да бидат видливи и со око.

Ако можеме точно да откриеме што треба да бараме, тоа би можело да значи побрз и посигурен начин за идентификување на ова нарушување.

„Нашата анализа на фотографиите од очното дно покажа потенцијал како неинвазивен биомаркер за скрининг на АДХД и стратификација на дефицити на извршните функции во доменот на визуелното внимание“, наведуваат истражувачите, предводени од тим од Медицинскиот факултет на Универзитетот Џонсеи, во нивната објавена работа.

Овој пристап беше тестиран на 323 деца и адолесценти кои веќе имале дијагноза на АДХД, како и на уште 323 лица без дијагноза на ADHD, споредени по возраст и пол со првата група.

Истражувачите откриле дека системот со вештачка интелигенција постигнал високи резултати во неколку клучни области кога станува збор за предвидување на ADHD. Тој беше успешен и во идентификувањето на одредени карактеристики на нарушувањето, вклучувајќи ги и нарушувањата во визуелното селективно внимание.

Во неодамнешните истражувања беа користени различни техники на машинско учење за скрининг на АДХД, од анализи на алтернативни скенирања на очите до тестови за однесување, но овој метод има неколку значајни предности.

Иако не е апсолутно најточниот метод во однос на суровите резултати, тој е многу близок до резултатот, брз за извршување и евалуација и лесен за скалирање.

„Имено, претходните модели со висока точност обично се потпираа на различни варијабли, од кои секоја придонесуваше за постепената разлика меѓу испитаниците“, наведуваат истражувачите.

Тие исто така го додаваат следново: „Нашиот пристап ја поедноставува анализата со фокусирање исклучиво на фотографии од очното дно. Оваа стратегија со еден извор на податоци ја зголемува јасноста и корисноста на нашите модели.“

Истражувачите сега сакаат да ги тестираат овие тестови на поголеми групи луѓе и на поширок возрасен опсег. Просечната возраст на учесниците во ова истражување била 9,5 години, додека познато е дека АДХД кај возрасните може да има сосема поинаков изглед.

Исто така, постои простор за подобрување во опсегот на системот: на пример, луѓето со нарушување на аутистичниот спектар беа исклучени од главниот дел од ова истражување, но понатамошното тестирање покажа дека вештачката интелигенција не беше особено добра во разликувањето на аутизмот од АДХД.

Неодамнешна проценка покажува дека околу еден од дваесет луѓе имаат АДХД, што може да вклучува тешкотии со вниманието, импулсивност и хиперактивност. Ова е голем број на поединци за кои побрза и поточна дијагноза би можела да направи голема разлика.

„Раното откривање и навремената интервенција можат да го подобрат социјалното, семејното и академското функционирање на луѓето со АДХД“, заклучуваат истражувачите.