هوش مصنوعی در غربالگری زودهنگام اختلال طیف اوتیسم؛ از تحلیل رفتار کودک تا تصویربرداری شبکیه چشم

نویسنده: سپیده سفاری
کارشناس ارشد روان شناسی کودکان استثنایی

چکیده
تشخیص و شناسایی زودهنگام اختلال طیف اوتیسم (Autism Spectrum Disorder یا ASD) یکی از موضوعات مهم در روان شناسی رشد، روان شناسی کودکان استثنایی و علوم اعصاب است. اهمیت این موضوع از آنجا ناشی می شود که شناسایی به موقع تفاوت های رشدی و نیازهای حمایتی کودک می تواند زمینه برنامه ریزی برای مداخلات متناسب با ویژگی های فردی او را فراهم کند.

در سال های اخیر، توسعه الگوریتم های یادگیری ماشین، یادگیری عمیق، پردازش تصویر و تحلیل رفتار موجب شده است پژوهشگران ظرفیت هوش مصنوعی را برای کمک به غربالگری اختلال طیف اوتیسم بررسی کنند.

مقاله «مرور نظام مند: نقش ابزار هوش مصنوعی در تشخیص اوتیسم کودکان ۱ تا ۱۳ ساله» نوشته پارمیس نوائی و سیدعلی اصغر رضوی، ارائه شده در سال ۱۴۰۲، با بررسی مطالعات مرتبط، به معرفی روش هایی مانند تحلیل تصاویر شبکیه چشم، بررسی ویدئوهای خانگی، تصویربرداری مغزی و واقعیت مجازی پرداخته است.

این یادداشت با تکیه بر یافته های مقاله مذکور، ظرفیت ها، محدودیت ها و ملاحظات روان شناختی استفاده از هوش مصنوعی در غربالگری اوتیسم را تحلیل می کند و بر ضرورت تفکیک غربالگری هوشمند از تشخیص بالینی تاکید دارد.


مقدمه؛ آیا هوش مصنوعی می تواند اوتیسم را زودتر شناسایی کند؟

اختلال طیف اوتیسم یکی از اختلالات عصب رشدی است که با تفاوت ها و دشواری هایی در ارتباط و تعامل اجتماعی و همچنین الگوهای محدود یا تکراری رفتار، علایق و فعالیت ها شناخته می شود.

نمودهای این اختلال در کودکان یکسان نیستند. برخی کودکان در ارتباط کلامی و تعامل اجتماعی به حمایت بیشتری نیاز دارند؛ درحالی که در برخی دیگر، ویژگی های مرتبط با پردازش حسی، انعطاف پذیری رفتاری یا الگوهای تکراری برجسته تر است.

این تنوع، شناسایی و ارزیابی اختلال طیف اوتیسم را به فرایندی چندبعدی تبدیل می کند.

در شیوه های متداول ارزیابی، متخصصان از مشاهده رفتار کودک، مصاحبه با والدین، بررسی تاریخچه رشد و ابزارهای استاندارد استفاده می کنند.

با گسترش فناوری های هوشمند، پرسش تازه ای در برابر پژوهشگران قرار گرفته است:

آیا می توان با تحلیل داده های رفتاری، تصویری و زیستی، نشانه های مرتبط با اوتیسم را در سنین پایین تر شناسایی کرد؟

پاسخ پژوهش های بررسی شده در مقاله نوائی و رضوی، نشان دهنده ظرفیت امیدوارکننده این فناوری هاست؛ اما هنوز نمی توان آن ها را جایگزین قطعی ارزیابی تخصصی دانست.

۱. از مشاهده بالینی تا تحلیل هوشمند رفتاریکی از مهم ترین ویژگی های هوش مصنوعی، توانایی پردازش حجم گسترده ای از داده ها و شناسایی الگوهایی است که ممکن است در مشاهده معمول انسانی به آسانی قابل تشخیص نباشند.

در حوزه رشد کودک، این داده ها می توانند شامل تصاویر، حرکات بدن، الگوهای توجه دیداری و تعاملات رفتاری باشند.

در مقاله مورد بررسی، به پژوهش هایی اشاره شده است که از الگوریتم های یادگیری ماشین برای تحلیل رفتار کودکان در محیط های مختلف استفاده کرده اند.

برای نمونه، پژوهش Paolucci و همکاران در سال ۲۰۲۳ به بررسی امکان پیش بینی اولیه اختلال طیف اوتیسم از طریق تحلیل تعاملات ثبت شده در ویدئوهای خانگی پرداخته است.

در این رویکرد، رفتار کودک در محیطی آشنا مانند خانه بررسی می شود و الگوریتم های هوشمند تلاش می کنند الگوهای مرتبط با ویژگی های حسی حرکتی و تعاملات رفتاری را شناسایی کنند.

اهمیت این روش در آن است که مشاهده کودک محدود به محیط کلینیک نیست و امکان بررسی رفتار در موقعیت های طبیعی تر فراهم می شود.

بااین حال، تحلیل ویدئویی نیز با محدودیت هایی همراه است؛ زیرا رفتار کودک ممکن است تحت تاثیر شرایط محیطی، کیفیت تصویربرداری، سن و تفاوت های فردی قرار گیرد.

بنابراین، خروجی الگوریتم باید به عنوان اطلاعات تکمیلی در فرایند ارزیابی در نظر گرفته شود، نه نتیجه نهایی تشخیص.

۲. تصویربرداری شبکیه چشم؛ رویکردی نوین در غربالگری اوتیسم

یکی از جالب ترین موضوعات مطرح شده در مقاله، استفاده از تصاویر شبکیه چشم برای شناسایی الگوهای مرتبط با اختلال طیف اوتیسم است.

در پژوهش Kim و همکاران در سال ۲۰۲۳، از الگوریتم های یادگیری عمیق برای تحلیل تصاویر شبکیه چشم کودکان استفاده شد.

مقاله مروری نوائی و رضوی گزارش می کند که این روش در نمونه بررسی شده به دقت بسیار بالایی دست یافته است.

در متن مقاله، دقت صددرصدی برای کودکان بالای چهار سال و ۹۸٫۵ درصد برای کودکان زیر چهار سال ذکر شده برای مثال، در روش هایی که از ویدئوهای خانگی یا تصاویر زیستی استفاده می کنند، حفاظت از اطلاعات شخصی کودک اهمیت ویژه ای دارد.

همچنین باید مشخص باشد که داده های کودکان چگونه جمع آوری، نگهداری و تحلیل می شوند.

یکی دیگر از نگرانی ها، احتمال عملکرد متفاوت الگوریتم ها در گروه های مختلف است.

ابزاری که بر اساس داده های یک جمعیت خاص آموزش دیده، ممکن است در کودکان متعلق به گروه های سنی، فرهنگی یا اجتماعی دیگر عملکرد مشابهی نداشته باشد.

بنابراین، توسعه ابزارهای هوشمند در حوزه کودکان باید همراه با رعایت محرمانگی اطلاعات، ارزیابی خطا و نظارت متخصصان باشد.

این ملاحظات، تحلیل تکمیلی نگارنده بر موضوع مقاله هستند و نباید به عنوان یافته های مستقیم پژوهش مروری معرفی شوند.

۸. جایگاه روان شناسی کودکان استثنایی در آینده ارزیابی هوشمند

پیشرفت هوش مصنوعی می تواند فرصت های تازه ای برای همکاری میان روان شناسان، متخصصان علوم شناختی، پژوهشگران فناوری و فعالان حوزه توان بخشی ایجاد کند.

بااین حال، توسعه ابزارهای هوشمند بدون توجه به مبانی روان شناسی رشد ممکن است به تفسیر نادرست رفتارهای کودکان منجر شود.

رفتار کودک تنها مجموعه ای از داده های قابل اندازه گیری نیست.

هر رفتار در بستری از ویژگی های فردی، تجربه های رشدی، روابط خانوادگی و شرایط محیطی شکل می گیرد.

به همین دلیل، نقش متخصصان روان شناسی کودکان استثنایی در طراحی، اعتبارسنجی و تفسیر نتایج ابزارهای هوشمند اهمیت دارد.

در آینده، همکاری میان این متخصصان و پژوهشگران هوش مصنوعی می تواند به توسعه ابزارهایی منجر شود که علاوه بر تحلیل داده ها، تفاوت های فردی و نیازهای حمایتی کودکان را نیز در نظر بگیرند.

۹. محدودیت های پژوهش مورد بررسی

مقاله نوائی و رضوی با وجود پرداختن به موضوعی نوین، دارای محدودیت هایی است که هنگام استفاده علمی از آن باید مورد توجه قرار گیرند.

نخست آنکه تعداد مطالعات واردشده به تحلیل نهایی محدود است.

دوم، فناوری های بررسی شده از نظر نوع داده، جمعیت پژوهشی و روش ارزیابی متفاوت اند و مقایسه مستقیم نتایج آن ها دشوار است.

سوم، برخی دقت های گزارش شده مربوط به مطالعات منفرد هستند و نباید به تمام ابزارهای هوش مصنوعی تعمیم داده شوند.

چهارم، مقاله اطلاعات کافی برای نتیجه گیری قطعی درباره عملکرد این فناوری ها در شرایط بالینی و جمعیت های مختلف ارائه نمی کند.

پنجم، میان برخی اعداد گزارش شده درباره تعداد منابع بازیابی شده و مراحل غربالگری، ناسازگاری هایی مشاهده می شود که ضرورت دقت بیشتر در گزارش روش مرور نظام مند را نشان می دهد.

این محدودیت ها به معنای بی ارزش بودن پژوهش نیستند؛ بلکه نشان می دهند یافته های آن باید در چارچوب سطح شواهد موجود تفسیر شوند.

نتیجه گیری

هوش مصنوعی در حال گشودن مسیرهای تازه ای در پژوهش های مرتبط با اختلال طیف اوتیسم است.

تحلیل تصاویر شبکیه چشم، پردازش ویدئوهای خانگی، تصویربرداری مغزی و استفاده از محیط های واقعیت مجازی از جمله روش هایی هستند که ظرفیت آن ها برای کمک به غربالگری و ارزیابی اوتیسم بررسی شده است.

مقاله نوائی و رضوی با مرور مطالعات این حوزه، تصویری از فرصت های فناورانه موجود ارائه می دهد.

بااین حال، یافته های آن نباید به معنای دستیابی به روشی قطعی، بدون خطا و جایگزین ارزیابی تخصصی تفسیر شوند.

از منظر روان شناسی کودکان استثنایی، ارزش اصلی این فناوری ها زمانی آشکار می شود که در خدمت شناخت دقیق تر ویژگی های رشدی و نیازهای حمایتی کودکان قرار گیرند.

آینده غربالگری اوتیسم نه در جایگزینی متخصص با هوش مصنوعی، بلکه در همکاری دانش بالینی، شناخت رفتار کودک و فناوری های هوشمند شکل می گیرد.

هدف نهایی این همکاری باید شناسایی به موقع نیازهای کودکان، کاهش موانع دسترسی به ارزیابی تخصصی و فراهم کردن فرصت های بهتر برای رشد و یادگیری آنان باشد.

منابع

۱. منبع اصلی یادداشت

نوائی، پارمیس و رضوی، سیدعلی اصغر. (۱۴۰۲).

«مرور نظام مند: نقش ابزار هوش مصنوعی در تشخیص اوتیسم کودکان ۱ تا ۱۳ ساله».

سومین کنفرانس بین المللی و ششمین همایش ملی مدیریت، روان شناسی و علوم رفتاری، تهران.

۲. پژوهش تصویربرداری شبکیه چشم

Kim, J. H., et al. (2023).

Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs.

JAMA Network Open, 6(12), e2347692.

۳. پژوهش تحلیل ویدئوهای خانگی

Paolucci, C., et al. (2023).

Early Prediction of Autism Spectrum Disorders Through Interaction Analysis in Home Video and Explainable Artificial Intelligence.

Computers in Human Behavior, 148, 107877.

۴. پژوهش ابزار پزشکی مبتنی بر هوش مصنوعی

Wall, D. P., et al. (2023).

https://doi.org/10.1016/j.eclinm.2020.100588