- جایزه نوبل پزشکی ۲۰۲۶ به سازندگان فناوری کنترل سلولها با نور اهدا شد
- هفته ملی سالمندان؛ از پیشگیری از سرطان تا حق برخورداری از سالمندی سالم
- سالمندی جمعیت؛ چالشی که از امروز باید برای آن برنامهریزی کرد
- قلب و سرطان؛ چرا سلامت قلب در بیماران مبتلا به سرطان اهمیت دارد؟
- چهرهای که بیش از نیمقرن برای پزشکی زیست؛ در سوگ استاد دکتر سعید پناهی
- آیا پزشکی بدترین شغل دنیاست؟
- بازدید نایبرئیس انجمن علمی کلینیکال انکولوژی ایران از مراکز درمانی تاجیکستان و ازبکستان
- کنفرانس علمی HPV در بیمارستان لاله؛ از غربالگری و واکسیناسیون تا درمان ضایعات پیشسرطانی
- «ایرآمبولانس هوایی» به اصفهان آمد؛ گامی برای تسهیل جابهجایی بیماران
- اعضای جدید هیئتمدیره خیریه «بال پروانه نصف جهان» انتخاب شدند
- اجرای DRG در ایران؛ چرا زیرساخت باید پیش از اصلاح نظام پرداخت آماده شود؟
- ایران و ترکمنستان در آستانه فصل تازهای از همکاریهای سلامت
- پزشکی دیگر درآمد، رضایت شغلی و منزلت اجتماعی را بهطور همزمان ندارد
- هشدار جامعه ارولوژی ایران درباره آمبولیزاسیون پروستات؛ PAE جایگزین قطعی جراحی نیست
- آلزایمر؛ فراتر از فراموشی
به خدمت گرفتن هوش مصنوعی برای تشخیص اوتیسم در کودکان

به گزارش سرطان نیوز به نقل از نوروساینس نیوز، مطالعه جدیدی که توسط محققان دانشگاه نورث وسترن انجام شد، از یادگیری ماشینی (شاخهای از هوش مصنوعی) برای شناسایی الگوهای گفتاری در کودکان مبتلا به اوتیسم استفاده کرد. نتیجه این تحقیق بین زبان های انگلیسی و کانتونی همخوانی داشت و نشان داد که ویژگیهای گفتار ممکن است ابزار مفیدی برای تشخیص این بیماری باشد.
این مطالعه که با همکاری پژوهشگران هنگ کنگی انجام شد، نتایجی را به همراه داشت که میتواند به دانشمندان کمک کند تا بین عوامل ژنتیکی و محیطی که تواناییهای ارتباطی افراد مبتلا به اوتیسم را شکل میدهند، تمایز قائل شوند. این روش می تواند به آنها کمک کند تا درباره منشاء این بیماری بیشتر بیاموزند و درمانهای جدیدی را ارائه کنند.
کودکان مبتلا به اوتیسم معمولا آهسته تر از همسالان معمولی خودشان صحبت می کنند و تفاوت های دیگری در زیر و بم، آهنگ و ریتم صدا نشان می دهند.
اکنون دانشمندان با موفقیت از یادگیری ماشینی نظارت شده برای شناسایی تفاوتهای گفتاری مرتبط با اوتیسم استفاده کردند. دادههای مورد استفاده برای آموزش الگوریتم، با صدای ضبط شده جوانان انگلیسی و کانتونی زبان که به اوتیسم مبتلا نبودند و روایت خودشان از داستان کتابی تصویری و بدون کلمه به نام قورباغه! کجایی؟ را تعریف می کنند، بداشته شده است.
استفاده از یادگیری ماشینی برای شناسایی عناصر کلیدی گفتار که پیش بینی کننده اوتیسم هستند، گامی رو به جلو برای محققانی که به دلیل سوگیری زبان انگلیسی در تحقیقات اوتیسم و ذهنیت انسان ها در طبقه بندی تفاوت های گفتاری بین افراد مبتلا به اوتیسم و افراد بدون آن، محدود شده اند، است. با استفاده از این روش، دانشمندان توانستند ویژگی های گفتاری را که می تواند تشخیص اوتیسم را پیش بینی کند، شناسایی کنند. برجسته ترین آن ویژگی ها ریتم است.
محققان بر این باورند که کار آنها پتانسیل کمک به درک بهتر اوتیسم را دارد. هوش مصنوعی با کمک به کاهش بار روی شانه متخصصان می تواند تشخیص اوتیسم را آسان تر کند.
پژوهشگران میگویند که نتایج این مطالعه میتواند تلاشها را برای شناسایی و درک نقش ژنهای خاص و مکانیسمهای پردازش مغز شکل دهد که در حساسیت ژنتیکی نسبت به اوتیسم دخیل هستند. هدف آنها ایجاد تصویر جامع تر از عواملی است که افراد مبتلا به تفاوت های گفتاری اوتیسم را شکل می دهند.
یکی از شبکههای مغزی که می تواند در این کار دخیل باشد، مسیر شنوایی است که با تفاوت در نحوه پردازش صداها در مغز ارتباط دارد. گام بعدی دانشمندان شناسایی تفاوت در پردازش الگوهای گفتاری در مغز و بررسی ژنتیک عصبی ورای آنهاست.
واکسن آنفلوانزا برای بیماران مبتلا به سرطان؛ چه زمانی و چه نوع واکسنی مناسب است؟
رویکرد پژوهشگران ایرانی برای درمان سرطانهای پیشرفته با هدفگیری ریزمحیط تومور
آیا پزشکی بدترین شغل دنیاست؟
آیا در سرطان پستان Luminal A میتوان رادیوتراپی را حذف کرد؟ نگاهی به نتایج مطالعه LUMINA
آیا فقط بیماران دارای ENE یا حاشیه مثبت به کمورادیوتراپی پس از جراحی نیاز دارند؟