به گزارش سلامت نیوز به نقل از روزنامه همشهری،این نکته از آن‌رو حائز اهمیت است که درک کنیم اساسا در هیچ دوره ای از زندگی 25درصد افراد مبتلا به اتیسم،‌چنین تشخیصی ‌ داده نمی‌شود. دکتر محمدحسین امیرحسینی، عضو هیأت علمی دانشگاه شرق لندن و پژوهشگر ارشد هوش‌مصنوعی، برای‌مان بیشتر در این زمینه می‌گوید.

در چه رشته و مقطعی درس می‌خوانید؟

عضو دائمی هیأت علمی دانشگاه شرق لندن هستم و در زمینه هوش‌مصنوعی تدریس و پژوهش می‌کنم. دوره دکتری و فوق‌دکتری را نیز در زمینه هوش‌مصنوعی تمام کرده‌ام.

در این زمینه چه کارهایی انجام داده‌اید؟

در طول دوره دکتری برای نخستین‌بار در دنیا با استفاده از هوش‌مصنوعی فرایندهای برنامه‌ریزی عصبی-زبانی(Neuro Linguis‌tic Progra ming) را که یک رویکرد روانشناسی برای توسعه شخصی(personal development) و روان‌درمانی است خودکارسازی و سیستمی کرده‌ام که با استفاده از آن بتوان عملکرد سازمانی(Organisational Performance) را بهبود بخشید.

در فوق‌دکتری نیز پژوهشگر ارشد تیم هوش‌مصنوعی یک پروژه بین‌المللی در اتحادیه اروپا بودم که متشکل از 9کشور اروپایی شامل آلمان، ایتالیا، سوئد، اسپانیا، یونان، بلژیک، لهستان، صربستان و بریتانیا است. هدف از این تحقیق هم آن بود که بتواند هویت جعلی مجرمان در فضای سایبری را براساس مدل‌های رفتاری‌شان تشخیص دهد. در حال حاضر هم پژوهش‌هایم در حوزه‌های مرتبط ادامه دارد.

ظاهرا درباره استفاده از هوش‌مصنوعی در تشخیص و درمان اتیسم هم تحقیقاتی داشته‌اید.

بله، همین‌طور است. این پژوهش‌ها اهمیت زیادی دارند.

چرا؟

به این دلیل که درصد افراد مبتلا به اتیسم در سال‌های اخیر افزایش داشته است این در حالی است که روش‌های تشخیص و درمان آن پیشرفت چشمگیری نداشته است.

به چه نتایجی رسیده‌اید؟

یکی از نتایج، این است که اتیسم در 25درصد از افراد مبتلا به آن، در هیچ‌یک از مراحل زندگی‌شان تشخیص داده نمی‌شود و این امر باعث می‌شود حمایت‌های اجتماعی مورد نیاز را دریافت نکنند.

تشخیص دیرهنگام، چه دردسرهایی برای افراد خواهد داشت؟

مشخصا تأثیر منفی قابل‌توجهی روی زندگی شخصی و خانوادگی، تعاملات اجتماعی‌ و فرایند یادگیری فرد خواهد داشت و فرد دارای اتیسم را از دریافت حمایت‌های مربوطه برای بهبود کیفیت زندگی محروم می‌کند.

اتیسم را چطور تشخیص می‌دهند؟

اغلب در یک محیط بالینی توسط متخصصان آموزش‌دیده و با استفاده از تکنیک‌های مختلف تشخیص داده می‌شود. از این‌رو در سال‌های اخیر پژوهشگران در حوزه‌های پزشکی، روانشناسی و علوم رفتاری کاربردی، تکنیک‌های غربالگری را انجام می‌دهند.

خب، حالا هوش‌مصنوعی چه کمکی می‌تواند بکند؟

کمک به تسهیل فرایند غربالگری و افزایش دقت تشخیص از طریق تکنیک‌های یادگیری ماشینی، با این حال، اکثر مطالعات قبلی از تکنیک‌های یادگیری ماشینی سنتی استفاده کرده و فقط روی تشخیص اتیسم در کودکان، نوجوانان و بزرگسالان متمرکز شده‌اند با توجه به اینکه تشخیص زودهنگام بیماری بسیار مهم است، من در پژوهش اخیرم یک رویکرد جدید مبتنی بر هوش‌مصنوعی و تکنیک‌های یادگیری عمیق به کمک شبکه‌های عصبی را به‌کار گرفتم تا به فرایند غربالگری و تشخیص اختلال طیف اتیسم در کودکان نوپا کمک کنم.

به زبان ساده‌تر یعنی چه؟

پژوهش من نشان داده که مدل طراحی‌شده یادگیری عمیق با کمک شبکه‌های عصبی، بهترین عملکرد را در مقایسه با دیگر مدل‌های سنتی یادگیری ماشینی که در گذشته مورد استفاده قرار گرفته‌اند، دارد. به‌عبارت دیگر، این روش با دقت 98درصد می‌تواند اتیسم را در کودکان نوپا تشخیص داده و به این ترتیب زندگی‌شان را تغییر دهد.‌