Искусственный интеллект научился выявлять СДВГ по снимкам глаз с высокой точностью
Разработка более точных и быстрых методов диагностики синдрома дефицита внимания и гиперактивности (СДВГ) остаётся важной задачей для медицины. Традиционные способы выявления этого расстройства требуют значительных временных затрат и нередко отличаются непоследовательностью. Однако новое исследование южнокорейских специалистов указывает на то, что искусственный интеллект может изменить ситуацию.
Учёные из Медицинского колледжа Университета Ёнсе предложили использовать снимки глазного дна для выявления признаков СДВГ с помощью машинного обучения. В рамках работы они обучили несколько моделей, анализирующих особенности структуры сосудов и зрительного нерва. Лучшая из протестированных систем достигла точности в 96,9%, определяя наличие расстройства исключительно по фотографиям.
Исследование подтвердило, что у людей с СДВГ наблюдаются характерные изменения в плотности кровеносных сосудов, их форме и ширине, а также в диске зрительного нерва. Эта связь между нарушениями в мозге и особенностями строения глаза обсуждается в научной среде уже несколько лет, и теперь, благодаря развитию технологий, открываются новые перспективы для быстрой и надёжной диагностики.
Технологию протестировали на выборке из 646 детей и подростков, половина из которых имела подтверждённый диагноз СДВГ. Система показала высокую эффективность не только в общей диагностике, но и в определении специфических когнитивных нарушений, связанных с расстройством.
По словам авторов исследования, предложенный метод обладает рядом преимуществ. Он основан на анализе изображений сетчатки, что делает диагностику неинвазивной, быстрой и масштабируемой. В отличие от многих других моделей, требующих широкого спектра данных, новый подход концентрируется на информации из одного источника, что значительно упрощает процесс и повышает прозрачность анализа.
Тем не менее исследователи признают, что для окончательной валидации метода потребуется расширение тестирования. В частности, планируется проведение испытаний на более крупных и разнообразных по возрасту выборках. Учитывая, что проявления СДВГ у взрослых могут отличаться от симптомов у детей, важно изучить, насколько эффективна технология в этих условиях.
Одной из задач на будущее остаётся улучшение способности системы различать СДВГ и другие нейроразвитийные расстройства, такие как аутизм, поскольку на текущем этапе ИИ не всегда демонстрирует в этом высокую точность.
Согласно последним данным, около одного из двадцати человек страдает от СДВГ. Учитывая распространённость расстройства, ранняя диагностика и своевременное вмешательство могут значительно улучшить качество жизни пациентов, способствуя их успешной социальной и академической адаптации.
Источник: www.sciencealert.com
Учёные из Медицинского колледжа Университета Ёнсе предложили использовать снимки глазного дна для выявления признаков СДВГ с помощью машинного обучения. В рамках работы они обучили несколько моделей, анализирующих особенности структуры сосудов и зрительного нерва. Лучшая из протестированных систем достигла точности в 96,9%, определяя наличие расстройства исключительно по фотографиям.
Исследование подтвердило, что у людей с СДВГ наблюдаются характерные изменения в плотности кровеносных сосудов, их форме и ширине, а также в диске зрительного нерва. Эта связь между нарушениями в мозге и особенностями строения глаза обсуждается в научной среде уже несколько лет, и теперь, благодаря развитию технологий, открываются новые перспективы для быстрой и надёжной диагностики.
Технологию протестировали на выборке из 646 детей и подростков, половина из которых имела подтверждённый диагноз СДВГ. Система показала высокую эффективность не только в общей диагностике, но и в определении специфических когнитивных нарушений, связанных с расстройством.
По словам авторов исследования, предложенный метод обладает рядом преимуществ. Он основан на анализе изображений сетчатки, что делает диагностику неинвазивной, быстрой и масштабируемой. В отличие от многих других моделей, требующих широкого спектра данных, новый подход концентрируется на информации из одного источника, что значительно упрощает процесс и повышает прозрачность анализа.
Тем не менее исследователи признают, что для окончательной валидации метода потребуется расширение тестирования. В частности, планируется проведение испытаний на более крупных и разнообразных по возрасту выборках. Учитывая, что проявления СДВГ у взрослых могут отличаться от симптомов у детей, важно изучить, насколько эффективна технология в этих условиях.
Одной из задач на будущее остаётся улучшение способности системы различать СДВГ и другие нейроразвитийные расстройства, такие как аутизм, поскольку на текущем этапе ИИ не всегда демонстрирует в этом высокую точность.
Согласно последним данным, около одного из двадцати человек страдает от СДВГ. Учитывая распространённость расстройства, ранняя диагностика и своевременное вмешательство могут значительно улучшить качество жизни пациентов, способствуя их успешной социальной и академической адаптации.
Источник: www.sciencealert.com
