به گزارش سلامت نیوز به نقل از ایسنا، دانشمندان کره‌ای دریافته‌اند که شبکیه چشم می‌تواند حاوی نشانه‌هایی از اختلال کم‌توجهی-بیش‌فعالی (ADHD) باشد؛ یافته‌ای که می‌تواند مسیر تشخیص این اختلال را بسیار ساده‌تر، سریع‌تر و دقیق‌تر کند. این مطالعه با بهره‌گیری از هوش مصنوعی، تصویربرداری شبکیه (Fundus) را به عنوان ابزاری نوین برای غربالگری ADHD معرفی می‌کند.

در این پژوهش که توسط تیمی از کالج پزشکی دانشگاه یونسی در سئول انجام شد، تصاویر پشت چشم ۶۴۶ کودک و نوجوان (نیمی مبتلا به ADHD و نیمی سالم) مورد تجزیه‌وتحلیل چهار مدل یادگیری ماشینی قرار گرفت. یکی از این مدل‌ها موفق شد با دقت ۹۶.۹ درصد ADHD را تنها از روی ساختارهای عروقی شبکیه تشخیص دهد.

پژوهشگران می‌گویند ویژگی‌هایی مانند تراکم بالای رگ‌های خونی، پهنای خاص عروق و تغییرات در دیسک بینایی از جمله شاخص‌های کلیدی برای تشخیص این اختلال هستند.

سال‌هاست که دانشمندان به رابطه بین ساختار مغز و اختلالات رفتاری توجه دارند و حالا به نظر می‌رسد این تغییرات عصبی در چشم‌ها نیز بازتاب دارد. این روش نه‌تنها سریع و کم‌هزینه است، بلکه اجرای آن نیز در مقیاس گسترده ساده‌تر از روش‌های فعلی روان‌سنجی و تصویربرداری مغز خواهد بود.

جالب‌تر اینکه این مدل هوش مصنوعی، در ارزیابی مشکلات مرتبط با توجه انتخابی بینایی – یکی از مؤلفه‌های اصلی ADHD – نیز عملکرد بسیار خوبی نشان داده است.

با اینکه مدل‌های مختلف یادگیری ماشینی برای شناسایی ADHD از طریق اسکن چشم یا آزمون‌های رفتاری در سال‌های اخیر بررسی شده‌اند، اما این رویکرد جدید با اتکا به یک منبع داده واحد (تصویر شبکیه)، دقت و سادگی بیشتری دارد.

البته پژوهشگران اذعان دارند که این روش هنوز نیازمند آزمایش‌های گسترده‌تر روی گروه‌های سنی مختلف و شرایط بالینی متنوع‌تر است. به‌ویژه اینکه افراد دارای اختلال طیف اوتیسم در این پژوهش حضور نداشتند و مدل فعلی نتوانسته تفاوت بین اوتیسم و ADHD را با دقت بالایی تشخیص دهد.

گفتنی است برآوردها نشان می‌دهد که از هر ۲۰ نفر، یک نفر به ADHD مبتلاست. تشخیص زودهنگام و مداخله به‌موقع می‌تواند تأثیر زیادی بر زندگی تحصیلی، اجتماعی و عاطفی این افراد داشته باشد.

این پژوهش در نشریه npj Digital Medicine منتشر شده است.