Η χρήση αλγορίθμων τεχνητής νοημοσύνης για την έγκαιρη αναγνώριση νευροαναπτυξιακών διαταραχών ενισχύεται με νέα ερευνητικά δεδομένα. Σύμφωνα με μελέτη που δημοσιεύθηκε στο Autism Research, ένα υπολογιστικό σύστημα είναι σε θέση να διακρίνει τον αυτισμό με ακρίβεια άνω του 84% εξετάζοντας μικροκινήσεις των δακτύλων κατά τη διάρκεια καθημερινών χειρονομιών.
Η έρευνα πραγματοποιήθηκε από το York University στον Καναδά και βασίστηκε στην καταγραφή φυσικών κινήσεων κατά την προσπάθεια σύλληψης αντικειμένων. Τα αποτελέσματα ενισχύουν την υπόθεση ότι ο αυτισμός δεν εκδηλώνεται αποκλειστικά μέσω συμπεριφορικών ή γλωσσικών χαρακτηριστικών, αλλά περιλαμβάνει και λεπτές κινητικές διαφοροποιήσεις που μπορούν να μετρηθούν με ακρίβεια.
Advertisment
Αντικείμενο και μεθοδολογία της μελέτης
Στο πείραμα συμμετείχαν 59 νεαροί ενήλικες, εκ των οποίων 31 είχαν διαγνωσθεί με αυτισμό και 28 ήταν νευροτυπικοί, με συγκρίσιμα επίπεδα νοημοσύνης. Η διαδικασία προέβλεπε τη σύλληψη ορθογώνιων αντικειμένων με χρήση του αντίχειρα και του δείκτη, ενώ μικροαισθητήρες παρακολουθούσαν τις κινήσεις των δακτύλων.
Από την ανάλυση των δεδομένων εξήχθησαν περισσότερα από δώδεκα κινηματικά χαρακτηριστικά, μεταξύ των οποίων η μέγιστη απόσταση μεταξύ των δακτύλων, η διάρκεια της κίνησης και η ταχύτητα εκτέλεσης της ενέργειας. Τα δεδομένα αυτά αποτέλεσαν τη βάση για την εκπαίδευση αλγορίθμων μηχανικής μάθησης.
Οι ερευνητές εφάρμοσαν πέντε διαφορετικά μοντέλα, μεταξύ αυτών λογιστική παλινδρόμηση και μηχανές υποστηρικτικών διανυσμάτων (SVM), αξιοποιώντας τεχνικές που αποτρέπουν την υπερπροσαρμογή. Η ακρίβεια ταξινόμησης ξεπέρασε το 84%, επιτρέποντας τη διακριτή αναγνώριση μεταξύ των δύο ομάδων συμμετεχόντων βάσει κινητικών δεδομένων.
Advertisment
Νευροβιολογικές και κοινωνικές συνιστώσες
Η συγκεκριμένη μελέτη ενισχύει την άποψη ότι οι κινητικές διαφορές σχετίζονται με βασικές νευροαναπτυξιακές λειτουργίες. Η εστίαση σε κινηματικά χαρακτηριστικά, τα οποία συχνά παραβλέπονται στη διαγνωστική διαδικασία, υποστηρίζει ένα ευρύτερο επιστημονικό πλαίσιο. Η κινητική συμπεριφορά δύναται να λειτουργήσει ως βιοδείκτης στον εντοπισμό διαταραχών του φάσματος του αυτισμού.
Από ψυχολογική σκοπιά, το εύρημα συμβαδίζει με μελέτες που τεκμηριώνουν διαφορές στον συντονισμό, την πρόβλεψη κινήσεων και την αισθητηριακή επεξεργασία σε άτομα με αυτισμό. Σε κοινωνικό επίπεδο, η δυνατότητα για ταχύτερη διάγνωση μέσω απλών τεστ κίνησης μειώνει το κόστος και τους χρόνους αναμονής για τις οικογένειες, ιδιαίτερα σε περιοχές με περιορισμένη πρόσβαση σε εξειδικευμένες υπηρεσίες.
Τεχνολογικές προοπτικές και όρια εφαρμογής
Η μέθοδος διακρίνεται για την απλότητα και την προσβασιμότητά της. Απαιτεί μόνο δύο αισθητήρες και βασικό τεχνολογικό εξοπλισμό, γεγονός που επιτρέπει την υλοποίησή της σε σχολικά, κοινοτικά ή κλινικά περιβάλλοντα. Παράλληλα, προσφέρει μη παρεμβατική αξιολόγηση, σε αντίθεση με πιο σύνθετες διαγνωστικές πρακτικές που περιλαμβάνουν μακροχρόνιες παρατηρήσεις ή νευροαπεικόνιση.
Ωστόσο, η έρευνα περιορίζεται σε ενήλικες με συγκεκριμένο γνωστικό προφίλ. Δεν περιλαμβάνει παιδιά, ηλικιωμένους ή άτομα με χαμηλό δείκτη νοημοσύνης. Επιπλέον, τα δεδομένα δεν επιτρέπουν αξιολόγηση διαφοροποιήσεων μεταξύ υποτύπων του αυτισμού ή εκτίμηση της έντασης των συμπτωμάτων. Συνεπώς, η τεχνολογία απαιτεί περαιτέρω επικύρωση σε ετερογενή δείγματα και ενσωμάτωση σε ευρύτερα διαγνωστικά πρωτόκολλα.
Η νέα γενιά διαγνωστικών μοντέλων
Η έρευνα του York University αποδεικνύει ότι οι μικροκινήσεις φέρουν διαγνωστική αξία, η οποία μπορεί να αξιοποιηθεί με ακρίβεια από υπολογιστικά συστήματα. Το γεγονός ότι η τεχνητή νοημοσύνη μπορεί να εντοπίσει κινητικά πρότυπα τα οποία διαφεύγουν της ανθρώπινης παρατήρησης δημιουργεί προοπτικές για μια νέα γενιά διαγνωστικών εργαλείων. Η συνδυαστική χρήση κινητικών δεδομένων, γλωσσικών δεικτών και συμπεριφορικών αξιολογήσεων προδιαγράφει ένα διαγνωστικό μοντέλο με μεγαλύτερη ευαισθησία και εγκυρότητα.
Πηγές
- Freud, E., Plaut, D. C., & Wingate, R. J. (2024). Kinematic signatures of autism spectrum disorder during object manipulation. Autism Research, Wiley.
- Cook, J. L. (2016). Motor control in autism spectrum disorder: A review of theoretical and empirical perspectives. Neuroscience & Biobehavioral Reviews, 68, 730–742.
- Gowen, E., & Hamilton, A. (2013). Motor abilities in autism: A review using a computational context. Journal of Autism and Developmental Disorders, 43(2), 323–344.
