مدل سازی پیش بینی کنندهی موفقیت درمانهای توان بخشی بر اساس پروفایل عصبی- شناختی کودکان مبتلا به اوتیسم

اوتیسم یکی از پیچیده ترین اختلالات رشد عصبی است که با الگوهای متفاوت در رفتار ارتباط و عملکردهای شناختی بروز مییابد. با توجه به تنوع وسیع در شدت علائم و پاسخهای درمانی طراحی مداخلات توان بخشی موثر نیازمند درک عمیق تری از پروفایل شناختی هر کودک است. هدف این پژوهش توسعه یک مدل پیشبینی کننده دقیق برای موفقیت درمانهای توانبخشی در کودکان مبتلا به اختلال طیف اوتیسم (ASD) بر اساس دادههای پروفایلهای ،شناختی رفتاری و نورولوژیکی آنها است. جامعه آماری شامل ۷۸ کودک ۳ تا ۸ ساله مبتلا به اوتیسم بود که در مراکز توانبخشی غرب و جنوب غرب تهران تحت درمان قرار داشتند. با گسترش مداخلات توان بخشی مبتنی بر شواهد اهمیت ارزیابی اثر بخشی درمانها و پیش بینی نتایج آنها بر اساس ویژگیهای فردی کودکان مبتلا به اوتیسم افزایش یافته است سوک و همکاران ۲۰۱۹ پژوهشهای مختلف نشان داده اند که پروفایل عصبی شناختی هر کودک میتواند به عنوان شاخصی مهم در تعیین پاسخ به درمان مورد استفاده قرار گیرد از جمله این شاخصها میتوان به عملکرد حافظه کاری توجه ،پایدار مهارتهای حرکتی توانایی پردازش ،هیجانی و شاخصهای نوروفیزیولوژیک مانند الگوهای EEG و MRI اشاره کرد. داده ها با استفاده از آزمونهای استاندارد مانندNEPSY-II ،WPPSI-IV ، ADOS و CBCL گردآوری و با تکنیکهای آماری پیشرفته و الگوریتمهای یادگیری ماشین رگرسیون لجستیک، شبکه های عصبی مصنوعی و درخت تصمیم تحلیل شد. نتایج نشان داد که متغیرهایی مانند انعطاف پذیری شناختی سطح هوش اجرایی مهارتهای اجتماعی اولیه و شدت اختلالات حسی به عنوان پیش بینی کنندههای قوی برای موفقیت درمانهای توانبخشی عمل میکنند همچنین مشخص شد که مدل ترکیبی شبکه عصبی مصنوعی دارای بالاترین دقت در پیشبینی (۹۱٪) میباشد. یافته ها حاکی از آن است که تحلیل شخصی سازی شده داده های شناختی میتواند راهی نوین برای طراحی مداخلات توان بخشی هدفمند و بهینه باشد. در نهایت این پژوهش گامی موثر در عصبی جهت تحقق درمانهای فرد محور و مبتنی بر داده در حوزه توان بخشی کودکان اوتیسم تلقی میشود.

کلیدواژه ها:

اوتیسم ، توانبخشی ، مدل سازی پیش بینی ، پروفایل عصبی شناختی ، یادگیری ماشین ، درمان فردمحور