საკვანძო სიტყვები
ხელოვნური ინტელექტი
მანქანური სწავლება
ღრმა სწავლება
როგორ უნდა ციტირება
ანოტაცია
სტატია მიმოიხილავს ხელოვნური ინტელექტის გამოყენების შესაძლებლობებს აუტისტური სპექტრის აშლილობის (ასა) ადრეულ დიაგნოსტიკასა და სკრინინგის. აღწერილია თანამედროვე მეთოდოლოგიები, როგორიცაა ვიდეო ანალიზი, მეტყველების ამოცნობა და თავის ტვინის ფუნქციური სკანირება.
ასა აფერხებს ბავშვის სოციალური, კომუნიკაციური და ქცევითი უნარების განვითარებას. აღნიშნული დარღვევის ადრეული დიაგნოსტიკა და ჩარევა მნიშვნელოვან გავლენას ახდენს პაციენტის შემდგომ განვითარებასა და ცხოვრების ხარისხზე. ტრადიციული დიაგნოსტიკური მიდგომები დამოკიდებულია ფსიქიატრის პროფესიონალიზმსა და სუბიექტურ შეფასებაზე, ასევე მოითხოვს მნიშვნელოვან დროსა და რესურსებს. ამის გათვალისწინებით, აუტიზმის სპექტრის დარღვევის მქონე ბავშვთა უმრავლესობაში კლინიკური დიაგნოზი ექვს წლის ასაკამდე პერიოდში დგინდება. ადრეული ჩარევის პროგრამები ხელს უწყობს აუცილებელი კომპეტენციების ფორმირებას და კლინიკური სიმპტომების ინტენსივობის შემცირებას.
ამ პროცესში ხელოვნური ინტელექტი (AI), განსაკუთრებით მანქანური და ღრმა სწავლების მეთოდები გადამწყვეტ როლს ასრულებს, დიაგნოსტიკის სიზუსტის გაუმჯობესებაში, ამცირებს დროის რესურსებს და ზრდის ეფექტიანობას. AI-ის მხარდაჭერით განხორციელებული ფსიქოსოციალური ინტერვენციები ხელს უწყობს კომუნიკაციური და სოციალური უნარების განვითარებას, რაც დადებითად აისახება, როგორც აუტიზმის სპექტრის ინდივიდების, ასევე მათზე მზრუნველების კეთილდღეობასა და ცხოვრების ხარისხზე. კვლევა მიზნად ისახავს, ხელოვნური ინტელექტის მოდელების ეფექტიანობის შეფასებას ქცევითი, ენოვანი, ვიდეო და ბიომეტრიული მონაცემების დამუშავებაში, რათა დადგინდეს მოდელის სიზუსტე და სანდოობა.
წყაროები
Abou-Zahra, S., Brewer, J., & Cooper, M. (2018). Web accessibility metrics: New directions and challenges. W3C Web Accessibility Initiative.
Lord, C., Elsabbagh, M., Baird, G., & Veenstra-VanderWeele, J. (2018). Autism spectrum disorder. The Lancet, 392(10146), 508–520. https://doi.org/10.1016/S0140-6736(18)31129-2
Lombardo, M. V., Lai, M. C., & Baron-Cohen, S. (2019). Big data approaches to decomposing heterogeneity across the autism spectrum. Molecular Psychiatry, 24, 1435–1450.
Yassin, W., Nakatani, H., Zhu, Y., Kojima, M., Owada, K., Kuwabara, H., & Koike, S. (2020). Machine-learning classification using neuroimaging data in schizophrenia, autism, ultra-high risk and first-episode psychosis. Translational Psychiatry, 10, 278. https://doi.org/10.1038/s41398-020-00984-3
Centers for Disease Control and Prevention (CDC). (2024). Data & Statistics on Autism Spectrum Disorder. https://www.cdc.gov/ncbddd/autism/data.html
World Health Organization (WHO). (2024). Autism Spectrum Disorders. https://www.who.int/news-room/fact-sheets/detail/autism-spectrum-disorders