Študija: Umetna inteligenca lahko izboljša zaznavanje MRI ADHD
14. januar 2020
Umetna inteligenca lahko znatno izboljša natančnost nevronskih modelov z uporabo MRI možganskih pregledov za odkrivanje motnje hiperaktivnosti s pomanjkanjem pozornosti (ADHD), je pokazala študija, nedavno objavljena v Radiologija: umetna inteligenca.1
Študija, ki so jo izvedli raziskovalci iz Ohija Univerza v Cincinnatiju in Medicinski center otroške bolnišnice Cincinnati, se osredotoča na nastajajočo idejo uporabe slikanje možganov za odkrivanje znakov ADHD pri bolnikih. Trenutno ni enotnega dokončnega testa za ADHD - diagnoza pride po vrsti simptomskih in vedenjskih testov.
Raziskave pa kažejo na to ADHD potencialno lahko odkrijemo s preučevanjem konekomatov - zemljevida možganskih nevronskih povezav, zgrajenih z večplastnimi MRI pregledi možganov, znanimi kot parcelacije. Nekatere študije kažejo, da je moten ali prekinjen konektom povezan z ADHD.
Večina dosedanjih raziskav je vključevala model »enokanalnega globokega nevronskega omrežja« (scDNN), kjer umetna inteligenca pomaga računalniku zgraditi koneomeje na podlagi ene parcelacije. V tej študiji so znanstveniki razvili model večkanalne globoke nevronske mreže ali mcDNN, kjer so konekomi zgrajeni na podlagi več paketov. Te večrazsežne pakete so prišle iz podatkovnih zbirk možganov 973 udeležencev.
Model je bil sprogramiran tudi za analizo in odkrivanje vzorcev v večih lestvicah koneomov za odkrivanje ADHD-ja in določitev najbolj napovednih funkcij možganske povezave Diagnoza ADHD. Rezultati so pokazali, da se je zmogljivost zaznavanja ADHD "občutno" izboljšala z modelom mcDNN v primerjavi z alternativo scDNN.
"Naši rezultati poudarjajo napovedno moč možganskega veznika," je povedala višja avtorica Lili On za Radiološko društvo Severne Amerike2. "Zgrajena možganska funkcionalna veznica, ki obsega več lestvic, nudi dodatne informacije za prikaz mrež po celotnih možganih."
Študija odpira vrata za slikanje možganov in globoko nevronsko omrežje ali globoko učenje, da pomaga pri odkrivanju drugih stanj. "Ta model lahko posplošimo na druge nevrološke pomanjkljivosti," je dejal in poudaril, da je ta model mcDNN že se uporablja za napovedovanje kognitivne pomanjkljivosti pri nedonošenčkih, na primer za napovedovanje nevrorazvojnih rezultatov pri starosti dva.
Viri
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N A., & He, L. (2019). Model večkanalnega globokega nevronskega omrežja, ki analizira podatke večfunkcijskega funkcionalnega možganskega koneomeja za odkrivanje hiperaktivnosti motenj pozornosti. Radiologija: Umetna inteligenca, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Umetna inteligenca poveča MRI zaznavanje ADHD. (2019, 11. decembra). Pridobljeno 2020, 13. januarja od https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Posodobljeno 14. januarja 2020
Od leta 1998 milijoni staršev in odraslih zaupajo strokovnim navodilom in podpori ADDitude za boljše življenje z ADHD in z njim povezanimi težavami duševnega zdravja. Naše poslanstvo je biti vaš zaupanja vreden svetovalec, neomajen vir razumevanja in vodenja na poti do dobrega počutja.
Pridobite brezplačno izdajo in brezplačno e-knjigo ADDitude ter prihranite 42% na višji ceni.
