Это исследование глубокого обучения раскрывает особые изменения в мозге у подростков с СДВГ прорыв в анализе МРТ-скана

МРТ-скан позволяет обнаружить уникальные изменения в мозге подростков с СДВГ новое исследование глубокого обучения

В революционном исследовании исследователи использовали силу искусственного интеллекта (ИИ), чтобы справиться с врожденными трудностями в диагностировании синдрома дефицита внимания с гиперактивностью (ДВГ) у подростков. Традиционный диагностический подход, основанный на субъективных опросах, давно критикуется за отсутствие объективности. Теперь исследовательская группа представила инновационную модель глубокого обучения, используя данные о мозговом изображении из Исследования Адолесцентского Мозгового Когнитивного Развития (ABCD), нацеленную на революцию в диагностике ДВГ.

Текущие методы диагностики ДВГ неэффективны из-за своей субъективной природы и зависимости от поведенческих опросов. В ответ на это, исследовательская группа разработала модель глубокого обучения на основе ИИ, исследуя данные о мозговом изображении более 11 000 подростков. Методика включает в себя обучение модели с использованием показателей фракционной анизотропии (ФА), ключевого показателя, полученного из диффузионно-взвешенного изображения. Такой подход позволяет обнаружить отличительные особенности мозга, связанные с ДВГ, и предоставить более объективную и количественную основу для диагностики.

Предложенная модель глубокого обучения, разработанная для распознавания статистически значимых различий в значениях ФА, показала повышенные измерения девяти белых вещественных путей, связанных с исполнительными функциями, вниманием и пониманием речи у подростков с ДВГ. Данные результаты, представленные на ежегодной конференции Радиологического общества Северной Америки, считаются значительным прорывом:

• Исследователи Корнелльского университета раскрывают сведения о подсказках языковой модели глубокий погружение в то, как вероятности следующего токена могут раскрыть скрытый текст.
• Исследователь разрабатывает чат-бота специализированного научного направления
• Исследователи из НЙУ и Meta представляют Dobb-E открытую и универсальную рамку для обучения домашней робототехнике.

• Значения ФА у пациентов с ДВГ значительно повышены в девяти из 30 белых вещественных путей по сравнению с лицами без ДВГ.
• Средняя абсолютная ошибка (Mean Absolute Error, MAE) между предсказанными и фактическими значениями ФА составила 0,041, что является значимым различием между субъектами с ДВГ и без него (0,042 против 0,038, p = 0,041).

Эти количественные результаты подчеркивают эффективность модели глубокого обучения и выделяют потенциал значений ФА как объективных маркеров для диагностики ДВГ.

Метод исследовательской группы преодолевает ограничения существующих субъективных диагностических подходов и задает курс на разработку образовальных биомаркеров для более объективного и надежного диагностического подхода. Идентифицированные различия в белых вещественных путях представляют собой многообещающий шаг к изменению парадигмы в диагностике ДВГ. По мере того, как исследователи продолжают улучшать свои результаты с помощью дополнительных данных из более широкого исследования, потенциал ИИ для революции в диагностике ДВГ в ближайшие годы кажется все более вероятным.

В заключение, это переломное исследование не только вызывает сомнения в статусе кво в диагностике ДВГ, но и открывает новые возможности использования ИИ в объективной оценке. Пересечение нейронауки и технологий дает надежду на будущее, в котором диагноз ДВГ станет не только более точным, но и основан на сложностях мозгового изображения, предоставляя всеобъемлющее представление о этом распространенном расстройстве среди подростков.

Статья This Deep Learning Research Unveils Distinct Brain Changes in Adolescents with ADHD: A Breakthrough in MRI Scan Analysis появилась первоначально на MarkTechPost.