Studi: Kecerdasan Buatan Dapat Meningkatkan Deteksi MRI ADHD
14 Januari 2020
Kecerdasan buatan dapat secara signifikan meningkatkan akurasi model saraf menggunakan pemindaian otak MRI untuk mendeteksi attention deficit hyperactivity disorder (ADHD), menurut sebuah penelitian yang baru-baru ini diterbitkan di Radiologi: Kecerdasan Buatan.1
Penelitian ini dilakukan oleh para peneliti dari Ohio Universitas Cincinnati dan Pusat Medis Rumah Sakit Anak Cincinnati, berpusat pada ide yang muncul untuk menggunakan pencitraan otak untuk mendeteksi tanda-tanda ADHD pada pasien. Saat ini, tidak ada satu pun, tes definitif untuk ADHD - diagnosis muncul setelah serangkaian gejala dan tes perilaku.
Namun, penelitian menunjukkan hal itu ADHD dapat berpotensi dideteksi dengan mempelajari connectome - peta koneksi saraf otak yang dibangun dengan melapiskan pemindaian MRI otak, yang dikenal sebagai parcellations. Beberapa penelitian menunjukkan bahwa connectome yang terganggu atau terputus terkait dengan ADHD.
Sebagian besar penelitian sejauh ini telah melibatkan model "jaringan saraf dalam satu saluran" (scDNN), di mana kecerdasan buatan membantu komputer membangun connectom berdasarkan satu partisi. Dalam studi ini, para ilmuwan mengembangkan "model jaringan saraf dalam multichannel," atau mcDNN, di mana connectom dibangun berdasarkan dari beberapa parcellations. Parsipasi multi-skala ini berasal dari kumpulan data otak dari 973 peserta.
Model ini juga diprogram untuk menganalisis dan mendeteksi pola dalam connectome multi-skala untuk mendeteksi ADHD dan mengidentifikasi fitur penghubung otak yang paling prediktif untuk Diagnosis ADHD. Hasil penelitian menunjukkan bahwa kinerja deteksi ADHD meningkat "jauh" dengan model mcDNN di atas alternatif scDNN.
"Hasil kami menekankan kekuatan prediktif dari connectome otak," kata penulis senior Lili He kepada Radiological Society of North America.2. "Konektivitas fungsional otak yang dibangun yang mencakup berbagai skala menyediakan informasi tambahan untuk penggambaran jaringan di seluruh otak."
Studi ini membuka pintu untuk pencitraan otak dan jaringan saraf yang dalam, atau pembelajaran yang mendalam, untuk membantu mendeteksi kondisi lain. "Model ini dapat digeneralisasikan ke defisiensi neurologis lainnya," katanya, mencatat bahwa model mcDNN ini sudah digunakan untuk memprediksi defisiensi kognitif pada bayi prematur, misalnya, untuk memprediksi hasil perkembangan saraf pada usia dua.
Sumber
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., & He, L. (2019). Model Jaringan Syaraf Tiruan Multisaluran Menganalisa Data Konektivitas Otak Fungsional Multiskala untuk Deteksi Gangguan Perhatian Hiperaktif Radiologi: Kecerdasan Buatan, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Inteligensi Buatan Meningkatkan Deteksi MRI ADHD. (2019, 11 Desember). Diakses pada 2020, 13 Januari dari https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Diperbarui pada 14 Januari 2020
Sejak tahun 1998, jutaan orang tua dan orang dewasa telah mempercayai bimbingan dan dukungan ahli ADDitude untuk hidup lebih baik dengan ADHD dan kondisi kesehatan mental terkaitnya. Misi kami adalah menjadi penasihat tepercaya Anda, sumber pemahaman dan bimbingan yang tak tergoyahkan di sepanjang jalan menuju kesehatan.
Dapatkan edisi gratis dan eBook ADDitude gratis, plus hemat 42% dari harga sampul.
