Spektrum autyzmu. Wykorzystanie sztucznej inteligencji
Słowa kluczowe:
ASD, AI, MRI, RAATStreszczenie
Artykuł ma na celu omówienie możliwości wykorzystania sztucznej inteligencji w postępowaniu przy osobach autystycznych. Pacjenci będący w spektrum autyzmu (ASD, ang. Autism Spectrum Disorder) posiadają genetyczne zaburzenia neurobehawioralne. Wiąże się to z nieprawidłowym rozwojem w zakresie umiejętności komunikacji społecznej, opóźnieniem zdolności poznawczych, a także zaburzeniami związanymi z powtarzalnymi, stereotypowymi zachowaniami. Autyzm występuje, aż u 2% dzieci, przy czym ok. 80% z nich stanowi płeć męska. Złotym standardem w diagnostyce ASD jest obserwacja behawioralna. Niestety jest ona subiektywna i umożliwia jedynie późne rozpoznanie. Natomiast rezonans magnetyczny (MRI ang. Magnetic Resonance Imaging), a szczególnie DTI (ang. Diffusion Tensor Imaging) i fMRI (ang. functional MRI) może być alternatywą. Wraz ze sztuczną inteligencją (AI, ang. Artificial Inteligence) i uczeniem maszynowym (ML, ang. Machine Learning) opracowano narzędzia umożliwiające obiektywne rozpoznanie ASD. Innymi narzędziami diagnostycznymi są oprogramowania i urządzenia ułatwiające wczesne rozpoznanie ASD, opierające się na kwestionariuszach i filmach. Usprawnienie diagnostyki w ramach podstawowej opieki zdrowotnej zmniejszy obciążenie placówek specjalistycznych, a co więcej umożliwi większej liczbie dzieci rozpoczęcie wczesnej interwencji lekarskiej. Ponadto, AI wykorzystuje się także w terapiach pacjentów z ASD. W ostatnich latach obserwuje się znaczny wzrost zainteresowania terapią autyzmu wspomaganej robotami (RAAT ang. Robot-Assisted Autism Therapy). Roboty i oprogramowania pokazują istotne aspekty komunikacji międzyludzkiej, co pomaga dzieciom zrozumieć te interakcje. Zaobserwowano zwiększoną skuteczność i efektywność terapii z wykorzystaniem tej metody. Sztuczna inteligencja pozwala specjalistom na szybszą diagnozę i efektywniejsze leczenia pacjentów z ASD, co potwierdzają dotychczas opracowane metody. Co więcej, jest to wielka nadzieja dla świata medycyny w tym aspekcie, jak i dla innych zaburzeń.
Bibliografia
Genovese A, Butler MG. The Autism Spectrum: Behavioral, Psychiatric and Genetic Associations. Genes. 2023; 14(3):677. https://doi.org/10.3390/genes14030677
Helmy E, Elnakib A, ElNakieb Y, Khudri M, Abdelrahim M, Yousaf J, Ghazal M, Contractor S, Barnes GN, El-Baz A. Role of Artificial Intelligence for Autism Diagnosis Using DTI and fMRI: A Survey. Biomedicines. 2023; 11(7):1858. https://doi.org/10.3390/biomedicines11071858
Sohl K, Kilian R, Brewer Curran A, et al. Feasibility and Impact of Integrating an Artificial Intelligence-Based Diagnosis Aid for Autism Into the Extension for Community Health Outcomes Autism Primary Care Model: Protocol for a Prospective Observational Study. JMIR Res Protoc. 2022;11(7):e37576. Published 2022 Jul 19. doi:10.2196/37576
Alabdulkareem A, Alhakbani N, Al-Nafjan A. A Systematic Review of Research on Robot-Assisted Therapy for Children with Autism. Sensors (Basel). 2022;22(3):944. Published 2022 Jan 26. doi:10.3390/s22030944
Choueiri R, Garrison WT, Tokatli V. Early Identification of Autism Spectrum Disorder (ASD): Strategies for Use in Local Communities. Indian J Pediatr. 2023;90(4):377-386. doi:10.1007/s12098-022-04172-6
Wang L, Wang B, Wu C, Wang J, Sun M. Autism Spectrum Disorder: Neurodevelopmental Risk Factors, Biological Mechanism, and Precision Therapy. Int J Mol Sci. 2023;24(3):1819. Published 2023 Jan 17. doi:10.3390/ijms24031819
Steinman G. The putative etiology and prevention of autism. Prog Mol Biol Transl Sci. 2020;173:1-34. doi:10.1016/bs.pmbts.2020.04.013
Linker SB, Mendes APD, Marchetto MC. IGF-1 treatment causes unique transcriptional response in neurons from individuals with idiopathic autism. Mol Autism. 2020;11(1):55. Published 2020 Jun 26. doi:10.1186/s13229-020-00359-w
Robinson-Agramonte MLA, Michalski B, Vidal-Martinez B, Hernández LR, Santiesteban MW, Fahnestock M. BDNF, proBDNF and IGF-1 serum levels in naïve and medicated subjects with autism. Sci Rep. 2022;12(1):13768. Published 2022 Aug 12. doi:10.1038/s41598-022-17503-6
Singhi P, Malhi P. Early Diagnosis of Autism Spectrum Disorder: What the Pediatricians Should Know. Indian J Pediatr. 2023;90(4):364-368. doi:10.1007/s12098-022-04363-1
Pierce K, Gazestani VH, Bacon E, et al. Evaluation of the Diagnostic Stability of the Early Autism Spectrum Disorder Phenotype in the General Population Starting at 12 Months [published correction appears in JAMA Pediatr. 2019 Jun 24;:]. JAMA Pediatr. 2019;173(6):578-587. doi:10.1001/jamapediatrics.2019.0624
Prahbhjot M, Singhi P. Age at diagnosis for autism spectrum disorders: Does it differ by place of residence?. Indian J Public Health. 2022;66(2):166-170. doi:10.4103/ijph.ijph_1801_21
Hong JS, Singh V, Kalb L, et al. Replication study for ADOS-2 cut-offs to assist evaluation of autism spectrum disorder. Autism Res. 2022;15(11):2181-2191. doi:10.1002/aur.2801
Kim SY, Oh M, Bong G, et al. Diagnostic validity of Autism Diagnostic Observation Schedule, second edition (K-ADOS-2) in the Korean population. Mol Autism. 2022;13(1):30. Published 2022 Jun 30. doi:10.1186/s13229-022-00506-5
Babayeva M, Assefa H, Basu P, Loewy Z. Autism and associated disorders: cannabis as a potential therapy. Front Biosci (Elite Ed). 2022;14(1):1. doi:10.31083/j.fbe1401001
Silva EAD Junior, Medeiros WMB, Torro N, et al. Cannabis and cannabinoid use in autism spectrum disorder: a systematic review. Trends Psychiatry Psychother. 2022;44:e20200149. Published 2022 Jun 13. doi:10.47626/2237-6089-2020-0149
Warbrick T. Simultaneous EEG-fMRI: What Have We Learned and What Does the Future Hold?. Sensors (Basel). 2022;22(6):2262. Published 2022 Mar 15. doi:10.3390/s22062262
Nogay HS, Adeli H. Machine learning (ML) for the diagnosis of autism spectrum disorder (ASD) using brain imaging. Rev Neurosci. Published online August 31, 2020. doi:10.1515/revneuro-2020-0043
Moridian P, Ghassemi N, Jafari M, et al. Automatic autism spectrum disorder detection using artificial intelligence methods with MRI neuroimaging: A review. Front Mol Neurosci. 2022;15:999605. Published 2022 Oct 4. doi:10.3389/fnmol.2022.999605
Haghighat H, Mirzarezaee M, Araabi BN, Khadem A. A sex-dependent computer-aided diagnosis system for autism spectrum disorder using connectivity of resting-state fMRI. J Neural Eng. 2022;19(5):10.1088/1741-2552/ac86a4. Published 2022 Oct 13. doi:10.1088/1741-2552/ac86a4
Abbas SQ, Chi L, Chen YP. DeepMNF: Deep Multimodal Neuroimaging Framework for Diagnosing Autism Spectrum Disorder. Artif Intell Med. 2023;136:102475. doi:10.1016/j.artmed.2022.102475
Hulkower MB, Poliak DB, Rosenbaum SB, Zimmerman ME, Lipton ML. A decade of DTI in traumatic brain injury: 10 years and 100 articles later. AJNR Am J Neuroradiol. 2013;34(11):2064-2074. doi:10.3174/ajnr.A3395
Surgent O, Riaz A, Ausderau KK, et al. Brainstem white matter microstructure is associated with hyporesponsiveness and overall sensory features in autistic children. Mol Autism. 2022;13(1):48. Published 2022 Dec 19. doi:10.1186/s13229-022-00524-3
Ji Y, Azuine RE, Zhang Y, et al. Association of Cord Plasma Biomarkers of In Utero Acetaminophen Exposure With Risk of Attention-Deficit/Hyperactivity Disorder and Autism Spectrum Disorder in Childhood. JAMA Psychiatry. 2020;77(2):180-189. doi:10.1001/jamapsychiatry.2019.3259
Rakhymbayeva N, Amirova A, Sandygulova A. A Long-Term Engagement with a Social Robot for Autism Therapy. Front Robot AI. 2021;8:669972. Published 2021 Jun 16. doi:10.3389/frobt.2021.669972
Kim S, Hirokawa M, Matsuda S, Funahashi A, Suzuki K. Smiles as a Signal of Prosocial Behaviors Toward the Robot in the Therapeutic Setting for Children With Autism Spectrum Disorder. Front Robot AI. 2021;8:599755. Published 2021 May 26. doi:10.3389/frobt.2021.599755
Marino F, Chilà P, Sfrazzetto ST, et al. Outcomes of a Robot-Assisted Social-Emotional Understanding Intervention for Young Children with Autism Spectrum Disorders. J Autism Dev Disord. 2020;50(6):1973-1987. doi:10.1007/s10803-019-03953-x
Karine Silva, Mariely Lima, André Santos-Magalhães, Carla Fafiães & Liliana de Sousa, Living and Robotic Dogs as Elicitors of Social Communication Behavior and Regulated Emotional Responding in Individuals with Autism and Severe Language Delay. A Preliminary Comparative Study, Anthrozoös. 2019;32:1, 23-33. doi: 10.1080/08927936.2019.1550278
Amirova A, Rakhymbayeva N, Zhanatkyzy A, Telisheva Z, Sandygulova A. Effects of Parental Involvement in Robot-Assisted Autism Therapy. J Autism Dev Disord. 2023;53(1):438-455. doi:10.1007/s10803-022-05429-x
Feng H, Mahoor MH, Dino F. Corrigendum: A Music-Therapy Robotic Platform for Children With Autism: A Pilot Study. Front Robot AI. 2022;9:965369. Published 2022 Jul 8. doi:10.3389/frobt.2022.965369
Esposito M, Mirizzi P, Fadda R, et al. Food Selectivity in Children with Autism: Guidelines for Assessment and Clinical Interventions. Int J Environ Res Public Health. 2023;20(6):5092. Published 2023 Mar 14. doi:10.3390/ijerph20065092
Banire B, Khowaja K, Mansoor B, Qaraqe M, Al Thani D. Reality-Based Technologies for Children with Autism Spectrum Disorder: A Recommendation for Food Intake Intervention. Adv Neurobiol. 2020;24:679-693. doi:10.1007/978-3-030-30402-7_26
Wan G, Deng F, Jiang Z, et al. FECTS: A Facial Emotion Cognition and Training System for Chinese Children with Autism Spectrum Disorder. Comput Intell Neurosci. 2022;2022:9213526. Published 2022 Apr 27. doi:10.1155/2022/9213526
Opublikowane
13 sierpnia 2024
Prawa autorskie (c) 2024 sara rakotoarison; Agnieszka Sawina, Martyna Nowak, Joanna Jureczko, Michał Tutaj, Konrad Gigoń
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
