Краткое содержание:
Корейские ученые установили, что модели глубокого обучения могут проверять детей на наличие расстройства аутистического спектра (РАС) и определять тяжесть симптомов только с помощью фотографий сетчатки их глаз.
Полный текст
Корейские ученые установили, что модели глубокого обучения могут проверять детей на наличие расстройства аутистического спектра (РАС) и определять тяжесть симптомов только с помощью фотографий сетчатки их глаз.
Расстройство аутистического спектра (РАС) характеризуется двумя основными областями симптомов: нарушением социального общения и ограниченным и повторяющимся поведением или интересами.
По данным Центров по контролю и профилактике заболеваний США, аутизм встречается у каждого 36-го ребенка, причем у мальчиков в среднем в 3,8 раза чаще, чем у девочек. В России, по данным Минздрава, распространенность расстройств аутистического спектра составляет около 1% детской популяции. Однако, скорее всего, в будущем этот показатель вырастет, потому что доля детей с РАС по мере вестернизации в норме увеличивается.
В прошлом году ученые из Стэнфордского университета разработали алгоритм искусственного интеллекта, который научился диагностировать аутизм. Он анализировал данные магнитно-резонансной томографии (МРТ), фиксирующей нейронную активность всего мозга. Затем ИИ изучал импульсы, которые практически настолько же уникальны и индивидуальны, как отпечатки пальцев человека. Но они все равно имеют групповые отличия, что позволяет классифицировать их и сортировать. В итоге среди 1100 пациентов, участвовавших в исследовании, ИИ с точностью 82% смог отобрать группу испытуемых, у которых медики подтвердили аутизм.
Недавно ученые из Медицинского колледжа Университета Ёнсе в Южной Корее разработали метод диагностики РАС и тяжести симптомов у детей с использованием изображений сетчатки, проверенных алгоритмом искусственного интеллекта. Результаты опубликовали в JAMA Network Open.
Исследователи набрали 958 участников, средний возраст — 7,8 года. Их разделили на группы по 479 человек, в одну включили детей с признаками расстройства, в другую — с обычными показателями развития. Всего ученые получили 1890 изображений глаз, то есть по 945 в каждой группе.
Тяжесть симптомов оценивали с помощью ADOS-2 — шкалы диагностического обследования при аутизме, которая считается международным «золотым стандартом» тестовой диагностики расстройств аутистического спектра. Еще ученые использовали шкалу SRS-2, направленную на социальные навыки: общение, мотивацию, социальное познание.
Сверточную нейронную сеть обучили с использованием 85% изображений сетчатки и результатов тестов на тяжесть симптомов для построения моделей с целью выявления РАС и тяжести симптомов. Оставшиеся 15% изображений сохранили для проверки.
Для выявления РАС ИИ мог выбирать изображения детей с параметром AUROC, равным 1,00. Значение AUROC варьируется от одного до нуля. Модель, прогнозы которой на 100% неверны, имеет AUROC 0,0; та, чьи прогнозы верны на 100%, имеет AUROC 1,0, что указывает на 100%-ную корректность прогнозов ИИ. Заметного снижения среднего значения AUROC не произошло, даже когда удалили 95% наименее важных областей изображения, не включая диск зрительного нерва.
«Наши модели показали многообещающую эффективность в различении детей с РАС и детей с типичным развитием. Интересно, что эти модели сохранили среднее значение AUROC 1,00, используя только 10% изображения, содержащего диск зрительного нерва. Это указывает на то, что эта область имеет решающее значение для определения различий между здоровыми детьми и имеющими отклонения от нормы», — сказали авторы.
Среднее значение AUROC для тяжести симптомов составило 0,74, при этом AUROC от 0,7 до 0,8 считается «приемлемым», а от 0,8 до 0,9 — «отличным».
«Наши результаты показали, что фотографии сетчатки могут предоставить дополнительную информацию о тяжести симптомов РАС. Мы заметили, что осуществимая классификация была достижима только для баллов по шкале ADOS-2, но не для баллов SRS-2. Это может быть связано с тем, что ADOS-2 проводит обученный специалист, имеющий достаточно времени для оценки, тогда как SRS-2 обычно заполняется лицом, осуществляющим уход, за несколько минут. Таким образом, первое более точно отразило статус серьезности, чем второе», — сообщили ученые.
По словам авторов, модель на основе ИИ можно применять в качестве инструмента объективного скрининга для детей с четырех лет. Поскольку сетчатка новорожденного продолжает расти до этого возраста, нужно провести дальнейшие исследования, чтобы выяснить, будет ли этот инструмент точен для детей помладше.
Ранее ученые с помощью неинвазивной визуализации мозга выяснили, почему аутисты редко смотрят в глаза. Оказалось, в отличие от здоровых людей, у пациентов с расстройствами аутистического спектра при зрительном контакте снижается активность дорсальной части теменной коры, что может служить диагностическим маркером РАС.
Расстройство аутистического спектра (РАС) характеризуется двумя основными областями симптомов: нарушением социального общения и ограниченным и повторяющимся поведением или интересами.
По данным Центров по контролю и профилактике заболеваний США, аутизм встречается у каждого 36-го ребенка, причем у мальчиков в среднем в 3,8 раза чаще, чем у девочек. В России, по данным Минздрава, распространенность расстройств аутистического спектра составляет около 1% детской популяции. Однако, скорее всего, в будущем этот показатель вырастет, потому что доля детей с РАС по мере вестернизации в норме увеличивается.
В прошлом году ученые из Стэнфордского университета разработали алгоритм искусственного интеллекта, который научился диагностировать аутизм. Он анализировал данные магнитно-резонансной томографии (МРТ), фиксирующей нейронную активность всего мозга. Затем ИИ изучал импульсы, которые практически настолько же уникальны и индивидуальны, как отпечатки пальцев человека. Но они все равно имеют групповые отличия, что позволяет классифицировать их и сортировать. В итоге среди 1100 пациентов, участвовавших в исследовании, ИИ с точностью 82% смог отобрать группу испытуемых, у которых медики подтвердили аутизм.
Недавно ученые из Медицинского колледжа Университета Ёнсе в Южной Корее разработали метод диагностики РАС и тяжести симптомов у детей с использованием изображений сетчатки, проверенных алгоритмом искусственного интеллекта. Результаты опубликовали в JAMA Network Open.
Исследователи набрали 958 участников, средний возраст — 7,8 года. Их разделили на группы по 479 человек, в одну включили детей с признаками расстройства, в другую — с обычными показателями развития. Всего ученые получили 1890 изображений глаз, то есть по 945 в каждой группе.
Тяжесть симптомов оценивали с помощью ADOS-2 — шкалы диагностического обследования при аутизме, которая считается международным «золотым стандартом» тестовой диагностики расстройств аутистического спектра. Еще ученые использовали шкалу SRS-2, направленную на социальные навыки: общение, мотивацию, социальное познание.
Сверточную нейронную сеть обучили с использованием 85% изображений сетчатки и результатов тестов на тяжесть симптомов для построения моделей с целью выявления РАС и тяжести симптомов. Оставшиеся 15% изображений сохранили для проверки.
Для выявления РАС ИИ мог выбирать изображения детей с параметром AUROC, равным 1,00. Значение AUROC варьируется от одного до нуля. Модель, прогнозы которой на 100% неверны, имеет AUROC 0,0; та, чьи прогнозы верны на 100%, имеет AUROC 1,0, что указывает на 100%-ную корректность прогнозов ИИ. Заметного снижения среднего значения AUROC не произошло, даже когда удалили 95% наименее важных областей изображения, не включая диск зрительного нерва.
«Наши модели показали многообещающую эффективность в различении детей с РАС и детей с типичным развитием. Интересно, что эти модели сохранили среднее значение AUROC 1,00, используя только 10% изображения, содержащего диск зрительного нерва. Это указывает на то, что эта область имеет решающее значение для определения различий между здоровыми детьми и имеющими отклонения от нормы», — сказали авторы.
Среднее значение AUROC для тяжести симптомов составило 0,74, при этом AUROC от 0,7 до 0,8 считается «приемлемым», а от 0,8 до 0,9 — «отличным».
«Наши результаты показали, что фотографии сетчатки могут предоставить дополнительную информацию о тяжести симптомов РАС. Мы заметили, что осуществимая классификация была достижима только для баллов по шкале ADOS-2, но не для баллов SRS-2. Это может быть связано с тем, что ADOS-2 проводит обученный специалист, имеющий достаточно времени для оценки, тогда как SRS-2 обычно заполняется лицом, осуществляющим уход, за несколько минут. Таким образом, первое более точно отразило статус серьезности, чем второе», — сообщили ученые.
По словам авторов, модель на основе ИИ можно применять в качестве инструмента объективного скрининга для детей с четырех лет. Поскольку сетчатка новорожденного продолжает расти до этого возраста, нужно провести дальнейшие исследования, чтобы выяснить, будет ли этот инструмент точен для детей помладше.
Ранее ученые с помощью неинвазивной визуализации мозга выяснили, почему аутисты редко смотрят в глаза. Оказалось, в отличие от здоровых людей, у пациентов с расстройствами аутистического спектра при зрительном контакте снижается активность дорсальной части теменной коры, что может служить диагностическим маркером РАС.
