تشخیص زودهنگام اختلال اتیسم در کودکان زیر ۴ سال، از طریق تحلیل صدای گریه آنها با مدلهای هوش مصنوعی ممکن شد.
افزایش تعداد کودکان مبتلا به اختلال طیف اتیسم و اهمیت مداخلات زودهنگام برای توانبخشی این اختلال، مطالعات بسیاری را به سمت ایجاد روشهای غربالگری زودهنگام و خودکار سوق داده است. بر اساس نظر متخصصین و مطالعات صورتگرفته، صدای گریه به عنوان یک نشانگر زیستی قابل دسترس از بدو تولد، میتواند برای غربالگری کودکان مبتلا به اتیسم مورد استفاده قرار گیرد. بر این اساس و با توجه به کمبودهای کارهای صورتگرفته در این حوزه، پژوهشی با رویکرد غربالگری برای جداسازی کودکان مبتلا به اتیسم از کودکان معمولی با استفاده از صدای گریه انجام شده است که امکان غربالگری زودهنگام و خودکار را فراهم میکند.
غربالگری کودکان طی این پژوهش، با استفاده از مدلی مبتنی بر هوش مصنوعی برای تحلیل داده صدای گریه کودکان زیر سن ۴ سال انجام شده است و حتی در سنین پایین نیز نتایج قابل قبولی داشته است. به طور خلاصه کودکان معمولی همگی به درستی توسط مدل هوش مصنوعی جداسازی شدند و از میان کودکان مبتلا، پسران مبتلا بادقت بالاتر از ٨۵ درصد و دختران مبتلا با دقت بالاتر از ٧١ درصد تشخیص داده شدند.
از جمعآوری صدای گریه کودکان تا رسیدن به نتیجه نهایی همگی در حین این پژوهش انجام شده است و مقاله مستخرج از آن در سال ١٣٩٩ در مجله PlosONE به چاپ رسیده است.
این پژوهش که توسط آیدا خزاعی، کارشناس ارشد هوش مصنوعی شرکت داتا انجام شده است، امسال نیز موفق به کسب تندیس طلایی دوره اول جایزه باشگاه مغز شد. پژوهش مذکور در رقابت با ۵٩ پژوهش دیگر و با رای هیات داوران توانست این جایزه را در حوزه کودکان از آن خود کند.
