Studie: Kunstig intelligens kan forbedre MR-påvisning av ADHD
14. januar 2020
Kunstig intelligens kan forbedre nøyaktigheten til nevrale modeller ved bruk av MR-hjerneskanninger å oppdage ADHD, ifølge en studie som nylig ble publisert i Radiologi: kunstig intelligens.1
Studien ble utført av forskere fra Ohio University of Cincinnati og Cincinnati Children's Hospital Medical Center, sentrerer om den nye ideen om å bruke hjerneavbildning for å oppdage tegn på ADHD hos pasienter. Foreløpig er det ingen eneste definitive test for ADHD - diagnose kommer etter en serie symptom- og atferdstester.
Forskning antyder imidlertid det ADHD kan potensielt oppdages ved å studere connectome - et kart over hjernens nevrale forbindelser bygd av lagring av MR-skanninger av hjernen, kjent som parellasjoner. Noen studier antyder at en forstyrret eller avbrutt forbindelse er knyttet til ADHD.
Til nå har mest forskning involvert “single-channel deep neurale nettverk” (scDNN) -modellen, der kunstig intelligens hjelper en datamaskin med å konstruere forbindelser basert på en parsellering. I denne studien utviklet forskere en "flerkanals dyp nevralt nettverksmodell", eller mcDNN, der connectomes er konstruert basert på flere parellasjoner. Disse flergradsdelaseringene kom fra hjernedatasett av 973 deltakere.
Modellen ble også programmert til å analysere og oppdage mønstre i flerskala-forbindelsene for å oppdage ADHD og identifisere de mest prediktive hjernekonnome-funksjonene for ADHD diagnose. Resultatene viste at ADHD-deteksjonsytelsen forbedret "betydelig" med mcDNN-modellen i forhold til scDNN-alternativet.
"Resultatene våre legger vekt på den prediktive kraften til hjerneforbindelsen," sa seniorforfatter Lili Han til Radiolog Society of North America2. "Den konstruerte hjernefunksjonelle forbindelsen som spenner over flere skalaer, gir tilleggsinformasjon for å skildre nettverk over hele hjernen."
Studien åpner dørene for hjerneavbildning og dype nevrale nettverk, eller dyp læring, for å hjelpe til med å oppdage andre forhold. "Denne modellen kan generaliseres til andre nevrologiske mangler," sa han og la merke til at denne mcDNN-modellen allerede er brukes til å forutsi kognitiv mangel hos pre-term spedbarn, for eksempel for å forutsi nevroutviklingsresultater ved alder to.
kilder
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., & He, L. (2019). En flerkanals dyp nevralt nettverksmodell som analyserer funksjonsmessige hjernetilkoblingsdata for flere mål for oppmerksomhetshemming Hyperaktivitetsforstyrrelse. Radiologi: Kunstig intelligens, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Kunstig intelligens øker MR-deteksjonen av ADHD. (2019, 11. desember). Hentet 2020, 13. januar fra https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Oppdatert 14. januar 2020
Siden 1998 har millioner av foreldre og voksne klarert ADDitudes ekspertveiledning og støtte for å leve bedre med ADHD og tilhørende psykiske helsetilstander. Vårt oppdrag er å være din pålitelige rådgiver, en urokkelig kilde til forståelse og veiledning langs veien til velvære.
Få en gratis utgave og gratis ADDitude eBook, og spar 42% av dekkprisen.
