ແບບຈໍາລອງ AI ສາມາດຊ່ວຍກວດຫາບາງປະເພດຂອງ Autism

ການສຶກສາໃຫມ່ທີ່ດໍາເນີນໂດຍນັກຄົ້ນຄວ້າທີ່ມະຫາວິທະຍາໄລ Northwestern ໄດ້ສ້າງແບບຈໍາລອງ AI ທີ່ສາມາດຖືກນໍາໃຊ້ເພື່ອກວດເບິ່ງອາການເບື້ອງຕົ້ນແລະການຊ່ວຍເຫຼືອໃນການກວດຫາຊະນິດຍ່ອຍຂອງຄວາມຜິດປົກກະຕິ. ຮູບແບບ AI ສາມາດເປັນເຄື່ອງມືຫນ້າຈໍຊີວະພາບ autism ທໍາອິດ, ແລະມັນສາມາດຊ່ວຍໃຫ້ທ່ານຫມໍຮັບຮູ້ກໍລະນີຂອງ autism ກ່ອນຫນ້ານີ້.

ຮູບແບບ AI ທີ່ພັດທະນາໂດຍທີມງານຄົ້ນຄ້ວາສາມາດກວດພົບເຄື່ອງຫມາຍຂອງປະເພດຍ່ອຍສະເພາະຂອງ autism. ຄວາມຜິດປົກກະຕິກ່ຽວກັບ spectrum autism, ລວມທັງໂຣກ Asperger, ສາມາດຍາກທີ່ຈະຮັບຮູ້ແລະຄວາມແຕກຕ່າງຈາກກັນແລະກັນ. ການວິນິດໄສຂອງເງື່ອນໄຂທີ່ກ່ຽວຂ້ອງກັບ Autism ໂດຍທົ່ວໄປແມ່ນຂຶ້ນກັບອາການແລະບໍ່ແມ່ນຂໍ້ມູນທາງຊີວະພາບ. ດັ່ງທ່ານດຣ Yuan Lo, ຜູ້ຮ່ວມຂຽນກ່ຽວກັບການສຶກສາ ອະທິບາຍຜ່ານ Eurekalertຊະນິດຍ່ອຍຂອງ autism ທີ່ມີລັກສະນະຜິດປົກກະຕິຂອງລະດັບສານເຄມີ "ແມ່ນປະເພດຍ່ອຍທີ່ມີຫຼັກຖານຫຼາຍມິຕິລະດັບທໍາອິດທີ່ມີລັກສະນະໂມເລກຸນທີ່ແຕກຕ່າງກັນແລະເປັນສາເຫດພື້ນຖານ." ຮູບແບບ AI ທີ່ຖືກອອກແບບໂດຍນັກຄົ້ນຄວ້າຕາເວັນຕົກສຽງເຫນືອສາມາດກວດພົບແລະຈໍາແນກຄວາມຜິດປົກກະຕິຂອງ spectrum Autism ໂດຍອີງໃສ່ລັກສະນະໂມເລກຸນເຫຼົ່ານີ້.

ຊະນິດຍ່ອຍຂອງ autism ທີ່ ດຣ. Lo ອ້າງເຖິງແມ່ນເອີ້ນວ່າ dyslipidemia-associated autism. ປະເພດຍ່ອຍນີ້ເປັນຕົວແທນປະມານ 6.5% ຂອງກໍລະນີທັງຫມົດຂອງ autism ພາຍໃນສະຫະລັດ. ອີງຕາມ Luo, ການສຶກສາຂອງພວກເຂົາແມ່ນຄັ້ງທໍາອິດທີ່ຈະວິເຄາະເຄື່ອງຫມາຍພະຍາດທີ່ເປັນໄປໄດ້ເຊັ່ນຮູບແບບການສະແດງອອກຂອງເຊື້ອສາຍທີ່ແຕກຕ່າງກັນ, ຂໍ້ມູນການກາຍພັນຂອງພັນທຸກໍາ, ຂໍ້ມູນຕົວແບບສັດ, ແລະແມ້ກະທັ້ງການຮຽກຮ້ອງປະກັນໄພສຸຂະພາບ. ຂໍ້ມູນທັງຫມົດນີ້ໄດ້ຖືກວາງໄວ້ເທິງຂອງກັນແລະກັນ, ການສ້າງແຜນທີ່ດິຈິຕອນທີ່ເປັນຕົວແທນຂອງໂລກທີ່ແທ້ຈິງຫຼາຍກ່ວາຕົວແປໃດໆໃນການໂດດດ່ຽວ.

ມັນເປັນການຍາກຢ່າງບໍ່ຫນ້າເຊື່ອທີ່ຈະອີງໃສ່ພຽງແຕ່ຂໍ້ມູນພັນທຸກໍາໃນການວິນິດໄສ autism, ຍ້ອນວ່າພວກມັນເປັນພັນໆຊະນິດທີ່ແຕກຕ່າງກັນຂອງພັນທຸກໍາທີ່ແຕກຕ່າງກັນທີ່ອາດຈະກ່ຽວຂ້ອງກັບສະພາບ. ຍິ່ງໄປກວ່ານັ້ນ, ແຕ່ລະການກາຍພັນທີ່ກ່ຽວຂ້ອງກັບ autism ເກີດຂຶ້ນຢູ່ໃນຫນ້ອຍກວ່າ 1% ຂອງຄອບຄົວທັງຫມົດທີ່ມີ autism. ດັ່ງນັ້ນ, ຈໍາເປັນຕ້ອງເກັບກໍາຂໍ້ມູນຫຼາຍເທົ່າທີ່ເປັນໄປໄດ້ຈາກແຫຼ່ງທີ່ແຕກຕ່າງກັນຫຼາຍເທົ່າທີ່ເປັນໄປໄດ້. ຮູບແບບ AI ທີ່ນັກຄົ້ນຄວ້າອອກແບບໄດ້ຊ່ວຍໃຫ້ພວກເຂົາກໍານົດກຸ່ມຂອງ gene exons (ສ່ວນຂອງລໍາດັບ gene ສະແດງອອກໃນທາດໂປຼຕີນ) ທີ່ດໍາເນີນການເປັນກຸ່ມໃນລະຫວ່າງການພັດທະນາຂອງສະຫມອງ. ລະບົບ AI ທີ່ນັກຄົ້ນຄວ້າໄດ້ໃຊ້ເຕັກນິກການສ້າງກຸ່ມຢູ່ໃນຂໍ້ມູນ exon. ມັນປະກົດວ່າເມື່ອລວມເຂົ້າກັບຂໍ້ມູນແຜນທີ່ multimodal, ການພົວພັນທີ່ເຂັ້ມແຂງຫຼາຍໄດ້ຖືກພົບເຫັນວ່າ autism ຄາດຄະເນ.

ຮູບແບບ AI ແລະຂໍ້ມູນແຜນທີ່ multimodal ເບິ່ງຄືວ່າຈະແນະນໍາວິທີການທົ່ວໄປໃນການກວດສອບຊະນິດຍ່ອຍຂອງ autism, ແລະແມ້ກະທັ້ງພະຍາດທີ່ສັບສົນທາງພັນທຸກໍາອື່ນໆທີ່ອາດຈະ, ເຊັ່ນ: autism, ສ່ວນໃຫຍ່ແມ່ນອີງໃສ່ການສະແດງອອກຂອງອາການເພື່ອໄດ້ຮັບການວິນິດໄສ.

ທີມງານຄົ້ນຄ້ວາສາມາດກໍານົດຄວາມກ່ຽວຂ້ອງທີ່ສໍາຄັນລະຫວ່າງຄວາມຜິດປົກກະຕິຂອງ autism spectrum ແລະ dyslipidemia ຂອງພໍ່ແມ່, ເຊິ່ງເປັນເງື່ອນໄຂທີ່ມີລັກສະນະການປ່ຽນແປງຂອງ lipids ໃນເລືອດ. ໂປຣໄຟລ lipid ທີ່ມີການປ່ຽນແປງເຫຼົ່ານີ້ຍັງຖືກສັງເກດເຫັນໃນເດັກນ້ອຍທີ່ຕໍ່ມາໄດ້ຖືກກວດພົບວ່າມີເງື່ອນໄຂກ່ຽວກັບ spectrum autism. ທີມງານຄົ້ນຄ້ວາຈະດໍາເນີນການສຶກສາຕື່ມອີກເພື່ອແນໃສ່ເບິ່ງວ່າການກວດສອບເບື້ອງຕົ້ນທີ່ມີປະສິດທິພາບແນວໃດກັບຜົນການຄົ້ນພົບສາມາດຢູ່ໃນການທົດລອງທາງດ້ານການຊ່ວຍ. Luo ອະທິບາຍ ວ່າໃນຂະນະທີ່ autism ໃນມື້ນີ້ພຽງແຕ່ຖືກວິນິດໄສໂດຍອີງໃສ່ອາການ, ການກວດຫາແລະການວິນິດໄສໄວສາມາດເປີດປ່ອງຢ້ຽມທີ່ກວ້າງຂວາງສໍາລັບການແຊກແຊງ:

"ມື້ນີ້, ໂຣກ autism ໄດ້ຖືກວິນິດໄສໂດຍອີງໃສ່ອາການເທົ່ານັ້ນ, ແລະຄວາມເປັນຈິງແມ່ນເວລາທີ່ແພດກໍານົດມັນ, ມັນມັກຈະເປັນເວລາທີ່ປ່ອງຢ້ຽມການພັດທະນາສະຫມອງໄວແລະສໍາຄັນໄດ້ຜ່ານໄປໂດຍບໍ່ມີການແຊກແຊງທີ່ເຫມາະສົມ. ການ​ຄົ້ນ​ພົບ​ນີ້​ສາ​ມາດ​ປ່ຽນ​ທິດ​ສະ​ດີ​ນັ້ນ.”

ນັກຄົ້ນຄວ້າທີ່ເຮັດຢູ່ມະຫາວິທະຍາໄລ Northwestern ແມ່ນພຽງແຕ່ຕົວຢ່າງຫນຶ່ງຂອງຕົວແບບ AI ທີ່ຖືກນໍາໃຊ້ເພື່ອກວດຫາພະຍາດທາງຈິດ. ການສຶກສາໃຫມ່ທີ່ດໍາເນີນໂດຍນັກວິທະຍາສາດຢູ່ NYU Langone Health ແລະມະຫາວິທະຍາໄລ Minnesota ໄດ້ນໍາໃຊ້ຕົວແບບ AI ເພື່ອ ກວດພົບຫຼັກຖານຂອງຄວາມກົດດັນຫຼັງການບາດເຈັບ (PTS) ໃນເຈົ້າຫນ້າທີ່ຕໍາຫຼວດ, ແລະມັນຫວັງວ່າການກວດພົບອາການທີ່ກ່ຽວຂ້ອງກັບ PTS ກ່ອນຫນ້ານີ້ຈະນໍາໄປສູ່ການກວດພົບແລະການປິ່ນປົວ PTSD ກ່ອນຫນ້ານີ້.