Badacze z Uniwersytetu Kalifornijskiego w San Francisco i Carle Illinois College of Medicine w Illinois przedstawili nowe badania na dorocznym spotkaniu Radiological Society of North America, wykorzystując sztuczną inteligencję (AI) do analizy skanów mózgu młodzieży z zaburzeniem nadpobudliwości psychoruchowej (ADHD) i bez tego zaburzenia. Ta innowacyjna metoda może znacząco przyczynić się do lepszego zrozumienia ADHD i jego diagnozowania.

ADHD wpływa na około 6 milionów dzieci i nastolatków w Stanach Zjednoczonych, co czyni wczesną diagnozę i interwencję kluczowymi dla poprawy dobrostanu. Diagnozowanie ADHD często opiera się na subiektywnych ankietach, co stwarza zapotrzebowanie na bardziej obiektywne metody diagnozy.

W badaniu wykorzystano głębokie uczenie się, rodzaj AI, który automatycznie rozpoznaje wzorce i związki w dużych ilościach danych. Justin Huynh, współautor badania, podkreślił, że analizowano duży zestaw danych obrazowych mózgu młodzieży z ADHD i bez tego zaburzenia. Badacze odkryli istotne różnice w strukturach mózgu zwanych pasmami białej materii u osób z ADHD.

Wykorzystanie AI do identyfikacji wskaźników ADHD:
Badanie wykorzystało technikę rezonansu magnetycznego (MRI) zwaną obrazowaniem dyfuzyjnym (DWI) do ekstrakcji pomiarów anizotropii frakcyjnej (FA) w 30 głównych pasmach białej materii mózgu. Wysokie wartości FA w dziewięciu pasmach białej materii były znacząco wyższe u osób z ADHD, co stanowiło nowe odkrycie w zakresie wzorców MRI u osób z tym zaburzeniem.

To badanie stanowi obiecujący krok w kierunku lepszego zrozumienia ADHD z biologicznego punktu widzenia oraz bardziej standardowej, obiektywnej i dokładnej diagnozy tego zaburzenia. Dr David Lefkowitz, specjalista od neuroradiologii, który nie był zaangażowany w badanie, podkreślił, że choć strukturalne nieprawidłowości w ADHD mogą istnieć, to badanie funkcjonalnych sieci mózgu (fMRI) lub metabolizmu mózgu (PET) może być bardziej obiecujące.

Badanie to otwiera nowe możliwości w diagnozowaniu ADHD, wykorzystując zaawansowane techniki AI i analizę danych obrazowych. Może to znacząco poprawić dokładność diagnozowania ADHD i dostarczyć cennych informacji na temat neurobiologii zaburzenia. Odkrycia te mają potencjał nie tylko do pomocy pacjentom, ale także do przynoszenia korzyści całemu społeczeństwu poprzez lepsze zarządzanie kliniczne i bardziej efektywne badania nad lekami.

Udostępnij ten artykuł
Link został skopiowany!