Het is vaak moeilijk om autisme objectief te meten, maar een recent onderzoek heeft een veelbelovende nieuwe methode ontwikkeld. Onderzoekers hebben een AI-systeem gemaakt dat video’s van gezamenlijke aandacht analyseert om autisme te detecteren en de ernst van symptomen te beoordelen.
Gezamenlijke aandacht is een belangrijke sociale vaardigheid die zich in de vroege kindertijd ontwikkelt. Kinderen met autisme hebben vaak moeite met deze vaardigheid. Het nieuwe systeem maakt gebruik van algoritmen om subtiele gedragingen in video’s te identificeren die gerelateerd zijn aan gezamenlijke aandacht.
Het onderzoeksteam verzamelde videogegevens van kinderen met en zonder autisme. Ze voerden gezamenlijke aandachtstaken uit en namen de reacties op video op. In totaal namen 95 kinderen deel aan de studie, waarvan 45 gediagnosticeerd waren met autisme.
Met behulp van kunstmatige intelligentie en deep learning-trainingsmodellen analyseerden de onderzoekers de video’s. Ze ontdekten dat het systeem in staat was om met een hoge nauwkeurigheid onderscheid te maken tussen kinderen met autisme en typische ontwikkeling. Bovendien kon het systeem ook verschillende niveaus van de ernst van autistische symptomen identificeren.
Resultaten veelbelovend
De resultaten waren veelbelovend. Het diep leersysteem vertoonde een nauwkeurigheid van bijna 98% bij het identificeren van gezamenlijke aandacht en het onderscheiden van kinderen met autisme van typische ontwikkeling. Het systeem presteerde ook goed bij het identificeren van verschillende niveaus van de ernst van symptomen.
Deze nieuwe technologie heeft potentieel belangrijke implicaties voor de diagnose en behandeling van autisme. Het maakt een objectievere meting van gezamenlijke aandacht mogelijk, wat kan leiden tot vroegere detectie van autisme. Bovendien kan het systeem helpen bij het monitoren van de voortgang van de behandeling en het aanpassen van interventies op basis van de individuele behoeften van het kind.
In de toekomst kunnen we mogelijk gebruikmaken van geavanceerde technologieën zoals deze om autisme eerder en nauwkeuriger te detecteren. Dit zou de levenskwaliteit van kinderen met autisme kunnen verbeteren door snellere interventie en gepersonaliseerde behandelingen mogelijk te maken. Het is een spannende ontwikkeling op het gebied van autismeonderzoek en biedt hoop voor een betere toekomst voor individuen met deze aandoening.
Ko C, Lim JH, Hong J, Hong SB, Park YR. Ontwikkeling en validatie van een gezamenlijk op aandacht gebaseerd deep learning-systeem voor detectie en beoordeling van de ernst van symptomen van autismespectrumstoornis. JAMA Netwerk Open. 1 mei 2023;6(5):e2315174. doi: 10.1001/jamanetworkopen.2023.15174. PMID: 37227727; PMCID: PMC10214037.
Openbaarmaking van belangenverstrengeling: Dr. Ko meldde dat hij niet-financiële steun ontving van LumanLab Inc buiten het ingediende werk om en dat er een patent was verleend voor de methode en het apparaat voor de diagnose van de ernst van ontwikkelingsstoornissen bij peuters op basis van gezamenlijke aandacht. Dr. Lim meldde dat hij een patent had gekregen voor de methode en het apparaat voor het diagnosticeren van ontwikkelingsstoornissen bij peuters op basis van gezamenlijke aandacht. Professor Park meldde dat hij niet-financiële steun ontving van LumanLab Inc tijdens de uitvoering van het onderzoek en dat er patent was aangevraagd voor de methode en het apparaat voor het diagnosticeren van ontwikkelingsstoornissen bij peuters op basis van gezamenlijke aandacht. Er werden geen andere onthullingen gemeld.
