به گزارش ایسنا، اختلالات طیف اوتیسم مانند "سندرم رت"(Rett syndrome) معمولاً در سنین پایین و خرسالی شناسایی می‌شود اما اکنون دانشمندان علوم اعصاب با همکاری پزشکان بیمارستان کودکان بوستون سیستم هوش مصنوعی توسعه داده‌اند که به باور آنها توسط این سیستم می‌توان با نظارت بر مردمک چشم و ضربان قلب کودکان این اختلال‌ها را زودتر از پیش تشخیص داد.
سندرم رت از اختلالات نادر ناشی از مشکلات رشد مغزی است که از رشد طبیعی نوزادان جلوگیری می‌کند. نوزادان مبتلا به این سندروم تا سن پنج ماهگی رشدی طبیعی دارند اما بین شش تا 48 ماهگی دچار مشکلات تنفسی پیش‌رونده و چند مشکل دیگر از جمله مشکلات حرکتی می‌شوند.
به طور معمول، پزشکان با بررسی رفتار، حرف زدن و حرکت قادر به تشخیص اختلال طیف اوتیسم(ASD) کودکان در زمان خردسالی هستند اما به لطف یک الگوریتم یادگیری ماشینی که توسط دانشمندان علوم اعصاب بیمارستان کودکان بوستون ایجاد شده است، تشخیص اختلالات طیف اوتیسم مانند سندرم رت ممکن است خیلی زودتر از آنچه تاکنون بوده تشخیص داده شود.
"مایکلا فاگیولینی"(Michela Fagiolini)، "پیترو آرتونی"(Pietro Artoni) دانشمندان علوم اعصاب با همکاری "تاکائو هنش"(Takao Hensch) و "چارلز نلسون"(Charles Nelson) پزشکان بیمارستان کودکان بوستون پژوهشگران این مطالعه اظهار کردند که توسط این الگوریتم مبتنی بر هوش مصنوعی به راحتی می‌توانند ناهنجاری‌های آماس مردمک چشم و ضربان قلب کودکان را شناسایی کنند. ناهنجاری‌های آماس مردمک چشم و ضربان قلب دو عامل مهم در تشخیص اختلالات طیف اوتیسم در خردسالی هستند.
طی این مطالعه پژوهشگران موش‌های دارای جهش ژنتیکی که باعث سندرم رت می‌شوند را مورد بررسی قرار دادند و دریافتند که موش‌های مبتلا به این اختلال پیش از آنکه علائم رفتاری این اختلال آشکار شود، دارای ناهنجاری‌هایی در آماس مردمک چشم و ضربان قلب هستند. پس از مشاهده این علائم پژوهشگران یک شبکه عصبی را برای تشخیص ناهنجاری‌های مردمک چشم توسعه دادند. آنها سپس از این هوش مصنوعی برای آزمایش 35 کودک دختر مبتلا به سندروم رت استفاده کردند و در عین حال گروهی دیگر را که شامل 40 کودک دختر سالم بودند را نیز مورد بررسی قرار دادند. پس از انجام آزمایشات دریافتند که سیستم هوش مصنوعی مذکور با دقت حدود 80 درصد و با شناسایی علائم مذکور قادر به تشخیص سندروم رت در کودکان یک و دو ساله است.
پژوهشگران بر این باورند که سیستم مذکور می‌تواند ابزار مناسبی برای نظارت بر آماس مردمک چشم و ضربات قلب در نوزادان نیز باشد و توسط آن می‌توان حتی وجود این اختلال در نوزادان را نیز تشخیص داد.
یافته‌های این مطالعه در مجله" PNAS" منتشر شد.
