Undersøgelse: Kunstig intelligens kan forbedre MR-detektion af ADHD
14. januar 2020
Kunstig intelligens kan forbedre nøjagtigheden af neurale modeller ved hjælp af MR-hjernescanninger betydeligt at opdage opmærksomhedsunderskudshyperaktivitetsforstyrrelse (ADHD) ifølge en undersøgelse, der for nylig blev offentliggjort i Radiologi: kunstig intelligens.1
Undersøgelsen udført af forskere fra Ohio's University of Cincinnati og Cincinnati børnehospital medicinsk center, centrerer om den nye idé om at bruge hjerneafbildning for at opdage tegn på ADHD hos patienter. Der er i øjeblikket ingen enkelt, definitiv test for ADHD - diagnose kommer efter en række symptom- og adfærdsundersøgelser.
Forskning antyder imidlertid det ADHD kan potentielt opdages ved at studere connectome - et kort over hjernens neurale forbindelser bygget af lagde MR-scanninger af hjernen, kendt som parcelationer. Nogle undersøgelser antyder, at en forstyrret eller afbrudt forbindelse er knyttet til ADHD.
Hidtil har mest forskning været involveret i modellen "single-channel deep neural network" (scDNN), hvor kunstig intelligens hjælper en computer med at konstruere forbindelser baseret på en parcellation. I denne undersøgelse udviklede forskere en "flerkanals dyb neuralt netværksmodel" eller mcDNN, hvor forbindelsesomformer er konstrueret baseret på flere parcelationer. Disse multi-skala parcelationer kom fra hjernedatasæt af 973 deltagere.
Modellen blev også programmeret til at analysere og detektere mønstre i flerskala-forbindelserne for at detektere ADHD og identificere de mest forudsigelige hjernekonnom-funktioner ADHD-diagnose. Resultaterne viste, at ADHD-detekteringsydelsen forbedrede "betydeligt" med mcDNN-modellen i forhold til scDNN-alternativet.
”Vores resultater understreger den forudsigelige styrke i hjerneforbindelsen,” sagde seniorforfatter Lili Han til Radiolog Society of North America2. "Den konstruerede hjernefunktionelle forbindelse, der spænder over flere skalaer, giver supplerende oplysninger til afbildning af netværk på tværs af hele hjernen."
Undersøgelsen åbner døre for hjerneafbildning og dybe neurale netværk eller dyb læring for at hjælpe med at opdage andre forhold. ”Denne model kan generaliseres til andre neurologiske mangler,” sagde han og bemærkede, at denne mcDNN-model allerede er bruges til at forudsige kognitiv mangel hos præ-babyer, for eksempel til at forudsige neuro-udviklingsresultater i en alder to.
Kilder
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., & He, L. (2019). En flerkanals dybt neuralt netværksmodel, der analyserer multiskala funktionel hjernetilknytningsdata til opmærksomhed Hyperaktivitetsforstyrrelse. Radiologi: kunstig intelligens, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Kunstig intelligens øger MR-detektion af ADHD. (2019, 11. december). Hentet 2020, 13. januar fra https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Opdateret den 14. januar 2020
Siden 1998 har millioner af forældre og voksne betroet ADDitude's ekspertvejledning og støtte til at leve bedre med ADHD og dets relaterede mentale sundhedsmæssige forhold. Vores mission er at være din betroede rådgiver, en urokkelig kilde til forståelse og vejledning langs vejen til wellness.
Få en gratis udgave og gratis ADDitude e-bog, og spar 42% rabat på dækningsprisen.
