DEHB'nin doğru teşhisi, ihtiyaç duyan bireyler için doğru destek sağlanmasında kritik öneme sahip, ancak mevcut yöntemler zaman alıcı ve tutarsız.
Güney Koreli araştırmacılar, göz dibinin fotoğraflarındaki özellikleri DEHB teşhisiyle ilişkilendirmek için makine öğrenimi modelleri eğitti. Test edilen dört modelden en iyisi, yalnızca görüntü analizine dayanarak %96,9 doğruluk oranı elde etti.
Araştırmacılar, kan damarı yoğunluğu, damarların şekli ve genişliği ile optik diskteki bazı değişimlerin DEHB belirtileriyle bağlantılı olduğunu belirledi.
ÇALIŞMADA 323 ÇOCUK VE ERGEN İNCELENDİ
Beyin bağlantısındaki değişimlerin gözlerde de yansımaları olabileceği düşünülüyordu; bu yöntem, daha hızlı ve güvenilir bir teşhis yolu sunabilir.
Yonsei Üniversitesi Tıp Fakültesi'nden araştırmacılar, “Retinal fundus fotoğraflarının, DEHB taraması ve yürütücü işlev bozukluğu sınıflandırması için potansiyel taşıdığını” belirtti. Çalışmada, DEHB tanısı almış 323 çocuk ve ergen ile yaş ve cinsiyet eşleşmesi yapılan 323 sağlıklı birey incelendi.
ÇALIŞMA GENİŞLETİLECEK
AI sistemi, DEHB'yi tahmin etmede yüksek başarı sağladı ve görsel seçici dikkat gibi bozuklukları da doğru şekilde tespit etti. Bu yöntem, diğer makine öğrenimi çalışmalarına göre hızlı, pratik ve geniş ölçekte uygulanabilir olmasıyla öne çıkıyor. Gelecekte, daha geniş yaş gruplarında ve daha fazla birey üzerinde test edilmesi planlanıyor.
Otizm spektrum bozukluğu olan bireylerin ayırt edilmesi konusunda ise sistemin geliştirilmesi gerektiği belirtildi. DEHB, dikkat, dürtüsellik ve hiperaktivite sorunlarıyla ilişkilendiriliyor; erken teşhis, bireylerin yaşam kalitesinde büyük fark yaratabilir.
