Εφαρμογή βοηθά τον έγκαιρο έλεγχο για τον αυτισμό
Με μια ματιά
Μια εφαρμογή που καταγράφει τις απαντήσεις των νηπίων σε βίντεο σε tablet εντόπισε πρώιμα σημάδια διαταραχής του φάσματος του αυτισμού με υψηλό επίπεδο ακρίβειας.
Αυτός ο τύπος ψηφιακού ελέγχου υπόσχεται βελτιωμένη έγκαιρη ανίχνευση και παρέμβαση για τον αυτισμό.
Η διαταραχή του φάσματος του αυτισμού (ΔΑΦ) είναι μια σύνθετη κατάσταση που χαρακτηρίζεται από προκλήσεις στην κοινωνική επικοινωνία και την παρουσία επαναλαμβανόμενων συμπεριφορών. Ονομάζεται κατάσταση
«φάσματος» επειδή τα χαρακτηριστικά συμπεριφοράς και ο βαθμός τους μπορεί να διαφέρουν πολύ σε διαφορετικούς ανθρώπους. Τα σημάδια της ΔΑΦ εμφανίζονται συνήθως στα δύο πρώτα χρόνια της ζωής. Η έγκαιρη διάγνωση και παρέμβαση μπορεί να βελτιώσει τα αποτελέσματα για άτομα στο φάσμα του αυτισμού. Αλλά η ΔΑΦ μπορεί να είναι δύσκολο να διαγνωστεί.
Τα παιδιά συχνά ελέγχονται για ΔΑΦ σε νεαρή ηλικία κατά τη διάρκεια ιατρικών επισκέψεων σε καλά παιδιά. Ο τυπικός έλεγχος βασίζεται σε ερωτηματολόγιο φροντιστή. Αλλά αυτή η μέθοδος έχει αποδειχθεί λιγότερο ακριβής σε πραγματικές συνθήκες υγειονομικής περίθαλψης από ό,τι σε ερευνητικές μελέτες. Έτσι, οι επιστήμονες εργάζονται για να αναπτύξουν ακριβή, εύχρηστα εργαλεία προσυμπτωματικού ελέγχου για τη βελτίωση της έγκαιρης ανίχνευσης.
Πριν από δύο χρόνια, μια ερευνητική ομάδα με επικεφαλής τον Dr. Η Geraldine Dawson και ο Guillermo Sapiro στο Πανεπιστήμιο Duke ανέφεραν πολλά υποσχόμενα αποτελέσματα από μια πρωτότυπη εφαρμογή για κινητά που θα μπορούσε να ανιχνεύσει χαρακτηριστικά μοτίβα βλέμματος στα νήπια που αργότερα διαγνώστηκαν με ΔΑΦ. Τα δεδομένα από την εφαρμογή έδειξαν ότι τα παιδιά με ΔΑΦ ήταν λιγότερο πιθανό να εστιάσουν στο κοινωνικό περιεχόμενο στα βίντεο και είχαν δυσκολία να παρακολουθήσουν οπτικά τις συνομιλίες.
Για την τελευταία τους μελέτη, οι ερευνητές ανέπτυξαν και δοκίμασαν μια νέα εφαρμογή που βασίζεται σε tablet που ονομάζεται SenseToKnow. Αυτή η πειραματική εφαρμογή συλλέγει δεδομένα όχι μόνο για το βλέμμα των ματιών του παιδιού, αλλά και για τις εκφράσεις του προσώπου, την προσοχή, τις κινήσεις του κεφαλιού και άλλες συμπεριφορές που σχετίζονται με τη ΔΑΦ. Ένας αλγόριθμος συνδυάζει και ποσοτικοποιεί αυτές τις διαφορετικές ψηφιακές μετρήσεις. Η μηχανική εκμάθηση χρησιμοποιήθηκε για την προσαρμογή του βάρους διαφορετικών μέτρων για τη βελτίωση των προγνωστικών ικανοτήτων της εφαρμογής.
Η εφαρμογή δοκιμάστηκε σε 475 παιδιά, ηλικίας 17 μηνών έως 3 ετών, κατά τη διάρκεια επισκέψεων σε παιδιατρικές επισκέψεις. Κατά τη διάρκεια μιας συνεδρίας 10 λεπτών, το παιδί κάθισε στην αγκαλιά ενός φροντιστή και αλληλεπιδρούσε με την εφαρμογή. Τα αποτελέσματα εμφανίστηκαν στο διαδίκτυο στο Nature Medicine στις 2 Οκτωβρίου 2023. Σαράντα εννέα από τα νήπια διαγνώστηκαν αργότερα με ΔΑΦ και 98 με αναπτυξιακή καθυστέρηση χωρίς ΔΑΦ. Οι ερευνητές διαπίστωσαν ότι η εφαρμογή SenseToKnow αναγνώρισε σωστά περίπου το 88% των παιδιών που αργότερα διαγνώστηκαν με ΔΑΦ. Αυτή η ικανότητα ήταν παρόμοια σε διαφορετικά φύλα, φυλές και εθνότητες. Η εφαρμογή εντόπισε επίσης σωστά περισσότερο από το 80% των παιδιών που δεν είχαν ΔΑΦ. Ωστόσο, αυτό ήταν χαμηλότερο για τα μαύρα παιδιά (54%) σε σύγκριση με άλλα. Τώρα βρίσκονται σε εξέλιξη μεγαλύτερες μελέτες για την πληρέστερη αξιολόγηση της προγνωστικής αξίας της εφαρμογής μεταξύ διαφορετικών πληθυσμών.
Οι ερευνητές διαπίστωσαν ότι από όλα τα νήπια που διαγνώστηκαν θετικά για ΔΑΦ, μόνο το 41% διαγνώστηκε αργότερα με την πάθηση, αλλά αυτό ήταν μια σημαντική βελτίωση σε σχέση με το 15% που βρέθηκε σε μελέτες που χρησιμοποιούν μόνο ένα ερωτηματολόγιο φροντιστή. Όταν τα δεδομένα ελέγχου της εφαρμογής συνδυάστηκαν με δεδομένα από ερωτηματολόγια φροντιστών, η πιθανότητα θετικής εξέτασης που οδηγεί σε διάγνωση ΔΑΦ αυξήθηκε σε περισσότερο από 63%. Ο έλεγχος που βασίζεται στην ενσωμάτωση δεδομένων από πολλαπλές πηγές, σημειώνουν οι ερευνητές, πιθανότατα θα βελτιώσει τα αποτελέσματα.
«Υπάρχει ένα ευρύ φάσμα τεχνογνωσίας μεταξύ των παρόχων υγειονομικής περίθαλψης στο να γνωρίζουν και να μπορούν να αναγνωρίζουν όλα τα πιθανά σημάδια ενός παιδιού στο φάσμα του αυτισμού», εξηγεί ο Dawson. «Αυτή η εφαρμογή θα μπορούσε να βοηθήσει τους κλινικούς γιατρούς να επικεντρωθούν στους τομείς στους οποίους το παιδί χρειάζεται βοήθεια, καθώς και να εντοπίσουν τομείς δύναμης».
από τη Vicki Contie