محققان با استفاده از اسکنهای مغزی و هوش مصنوعی موفق به شناسایی تفاوتهای موجود در همگامسازی های مغزی در مناطق کلیدی مغز نوزادان شدند و به این شکل احتمال ابتلای نوزادان به اوتیسم را با دقتی بالا پیش بینی کردند.
اولین بار است که از یک اسکن مغزی برای تایید احتمال ابتلای انسان به اوتیسم استفاده می شود
این اولین باری است که تنها از یک اسکن مغزی برای تایید احتمال ابتلای انسان به اوتیسم استفاده میشود، تکنیکی که فرصت مناسبی را برای دخالت به موقع در روند درمان و درک بهتر بیماری اوتیسم در کودکی برای محققان فراهم آوردهاست. گروهی از محققان دانشگاه کارولینا و واشنگتن موفق به ارائه این تکنیک جدید شده اند که نه تنها تعداد اسکن های مورد نیاز برای تشخیص بیماری را کاهش میدهد، بلکه دقت تشخیص را نیز در نوزادان ۶ ماهه به ۹۶ درصد میرساند. این میزان تا پیش از ابداع تکنیک جدید ۸۱ درصد بود. پیش از این نتایج مطالعه ای متفاوت نشان دادهبود که با استفاده از دو اسکن مغزی در ۶ و ۱۲ ماهگی، می توان به نتایج مشابهی دست یافت.
اختلال طیفی اوتیسم یا ASD اصطلاحی عمومی برای شرح دادن مجموعه ای از اختلالات اجتماعی و ارتباطاتی است که با رفتارهای محدود و تکراری همراه است. تخمین های متنوعی درباره میزان شیوع بیماری وجود دارد و برخی از گزارش ها می گویند از هر ۶۸ کودک زیر ۸ سال سن یک نفر به این اختلال مبتلا است. تا به امروز تنها زمانی امکان تشخیص بیماری وجود داشت که نشانههای اختلال در کودک در حدود سن دو سالگی بروز پیدا کرده بود. محققان با استفاده از MRI به بررسی فعالیت های عصبی ۲۳۰ منطقه در مغز ۵۹ نوزادی پرداختند که دست کم یک خواهر و برادر مبتلا به اوتیسم داشتند. علاوه بر بررسی تفاوتها از نظر آناتومی، محققان به بررسی چگونگی اتصال و همگام سازی این مناطق با یکدیگر نیز پرداختند.
میزان هماهنگی این مناطق با یکدیگر به نظر در ایجاد رفتارهای مرتبط با اوتیسم مانند رفتارهای تکراری و زبان و مهارتهای اجتماعی نقشی حیاتی دارند. از بیش از ۲۶ هزار اتصال ممکن میان مناطق مغزی، محققان موفق به شناسایی ۹۷۴ اتصال در نوزادان ۶ ماهه شدند که می توان براساس آنها احتمال ابتلا به اوتیسم را پیش بینی کرده و اطلاعات مربوط به آن را در برنامه یادگیری ماشینی وارد کرد تا در آینده به کمک هوش مصنوعی و اسکن های مغزی، احتمال بروز بیماری را با دقتی بالاتر تشخیص داد.
منبع: hamshahrionline.ir - sciencealert.com