مروری نظام مند بر استفاده از فناوری هوش مصنوعی در تشخیص اختلال طیف اوتیسم

سابقه و هدف: تشخیص بیماری ها در مراحل اولیه یکی از مهم ترین کاربردهای فناوری هوش مصنوعی و یادگیری ماشین در علم پزشکی است؛ هرچند ممکن است پشتیبانی برای تشخیص نهایی متخصصین باشد. مطالعات نشان می دهد هوش مصنوعی در تشخیص علائم، طبقه بندی، تشخیص و پیش بینی نتیجه بر اساس داده های ساختاریافته یا بدون ساختار می تواند مفید باشد. در مورد اختلال طیف اوتیسم که یک اختلال عصبی رشدی است و با روابط اجتماعی محدود، رفتارهای تکراری و علاقه محدود مشخص می شود؛ هرچه بتوان تشخیص را در سنین پایین تر انجام داد، مزیت بزرگی به حساب می آید. با این حال، طبق روش های سنتی، شناسایی اوتیسم در سنین پایین به دلیل شکاف در توانایی های شناختی دشوار است، حتی با بررسی بالینی، ارزیابی عصبی عمیق به نظر می رسد مورد نیاز باشد. تشخیص اوتیسم با درگیر کردن بسیاری از تکنیک های عصبی (به عنوان مثال، امواج مغزی، تصاویر MRI، تکنیک های ردیابی چشم و... بهبود می یابد. همچنین با ارزیابی مربوط به بسیاری از ژن ها نیز می توان اختلال طیف اوتیسم را تشخیص داد. از آنجا که مشاهدات تشخیصی و غربالگری مبتنی بر آزمایش اوتیسم تنها زمانی می تواند در مورد کودکان به تشخیص منجر شود که توانایی برقراری ارتباط وجود داشته باشد. این محدودیت سبب شده است تا متخصصان به تشخیص با کمک چندین مجموعه از داده ها با بکارگیری هوش مصنوعی و یادگیری ماشین روی آورند. هدف از مطالعه حاضر مروری نظام مند بر استفاده از فناوری هوش مصنوعی در تشخیص اختلال طیف اوتیسم در کودکان است. روش کار: در سپتامبر ۲۰۲۴، یک مرور نظام مند بر اساس دستورالعمل های (PRISMA) و کیفیت سنجی مقالات با استفاده از چک لیست استاندارد STROBE، صورت گرفت. جستجو در پایگاه های اطلاعاتی انگلیسی زبان؛ Science Direct, PubMed, Scopus و موتور جستجوگر Google Scholar با استفاده از کلیدواژه های مرتبط با تشخیص اختلال طیف اوتیسم، یادگیری ماشین و هوش مصنوعی و عملگرهای منطقی در بازه زمانی سال های ۲۰۱۴ تا ۲۰۲۴، انجام گرفت. در مجموع ۱۳۷۲ مقاله یافت شد که پس از حذف موارد تکراری، نامرتبط و غربالگری بر اساس معیارهای ورود و خروج مقالات، ۱۷ مقاله در بررسی سیستماتیک حاضر گنجانده شد. یافته ها: مطالعات نشان می دهد، فناوری هوش مصنوعی در تشخیص زودهنگام اختلال طیف اوتیسم سبب شده است تا تکنیک هایی در این زمینه مورد استفاده قرار گیرد: ۱- تکنیک های رادیومیک اختلال طیف اوتیسم مربوط به تنوع ویژگی های مورفولوژیکی ضخامت مغز، بر اساس ویژگی های شکل تصویربرداری، ۲- الگوریتم پرسشنامه مصاحبه تشخیصی اصلاح شده، ۳- تحلیل حالت چهره، ۴- تحلیل حرکات رفتاری، ۵- الگوریتم های طبقه بندی، ۶- تحلیل

کلیدواژه ها:

هوش مصنوعی ، تشخیص اختلال طیف اوتیسم ، یادگیری ماشین ، مرور نظام مند