AI diagnozuje autyzm przez ruch oczu. Przełom z Tenerify

Roberto Chávez, student Uniwersytetu La Laguna na Teneryfie, opracował rewolucyjne narzędzie wykorzystujące sztuczną inteligencję do diagnozowania zaburzeń ze spektrum autyzmu. System analizuje wzorce ruchu oczu pacjenta, oferując znacznie bardziej obiektywną metodę diagnostyczną niż dotychczas stosowane techniki.

Nowe podejście do diagnostyki autyzmu

Chávez, inżynier elektronik i doktor nauk o systemach i automatyce, stworzył ten przełomowy system w ramach swojej pracy doktorskiej, którą niedawno obronił na uczelni. Zaburzenia ze spektrum autyzmu to grupa schorzeń neurologicznych, które charakteryzują się trudnościami w interakcjach społecznych i komunikacji oraz nietypowymi wzorcami zachowań. Objawy obejmują także problemy z adaptacją do zmian i nietypowe reakcje na bodźce sensoryczne.

Choć charakterystyczne cechy autyzmu można zaobserwować już we wczesnym dzieciństwie, w wielu przypadkach diagnoza pada dopiero w późniejszych latach życia. Obecnie wykrywanie zaburzeń ze spektrum autyzmu opiera się głównie na obserwacji behawioralnej i ustrukturyzowanych wywiadach, takich jak Skala Obserwacji Autyzmu (ADOS). Te narzędzia w dużej mierze zależą jednak od subiektywnej oceny specjalisty.

szlaki na teneryfie przystanek rodzinka banner v1

Rewolucyjna technologia eye-trackingu

Celem pracy doktorskiej Roberto Cháveza było opracowanie narzędzia wsparcia diagnostycznego opartego na analizie danych z eye-trackingu oraz wytrenowanie algorytmu sztucznej inteligencji zdolnego do określenia, czy wzorce wzrokowe danej osoby odpowiadają grupie diagnostycznej autyzmu. Kluczowym odkryciem jest fakt, że wzorce wzrokowe osób z zaburzeniami ze spektrum autyzmu ulegają zmianie już około szóstego miesiąca życia i mogą być precyzyjnie rejestrowane za pomocą tej technologii.

Praca była nadzorowana przez Rosę Aguilar, profesor Wydziału Inżynierii Komputerowej i Systemowej oraz byłą rektor Uniwersytetu La Laguna. Jak wyjaśnia Chávez, projekt wymagał “bardzo złożonego przetwarzania danych, ponieważ śledzenie wzroku generuje ogromną ilość informacji”. System zbierał próbki co około trzy milisekundy, a każda zawierała ponad 100 zmiennych, co “wymaga przetwarzania i analizy danych niemożliwej przy użyciu klasycznych technik statystycznych”.

Zaawansowane algorytmy uczenia maszynowego

W całym procesie kluczową rolę odgrywa nauka o danych, która pozwala wyodrębnić wzorce z ogromnych ilości informacji. Następnym krokiem było wykorzystanie algorytmów uczenia maszynowego, w szczególności modelu XGBoost – techniki łączącej prostsze modele, która po ich połączeniu oferuje znacznie lepszą wydajność niż gdyby były używane osobno.

Finalnym elementem projektu było stworzenie strony internetowej typu “plug and play”, która maksymalnie upraszcza proces diagnostyczny. Plik danych pobierany jest z urządzenia eye-trackera i bez konieczności dodatkowego przetwarzania przez użytkownika zostaje przesłany na stronę internetową. System automatycznie wykonuje wszystkie niezbędne kroki, aby postawić diagnozę dla każdej osoby zawartej w pliku.

Dostępność dla specjalistów bez wykształcenia technicznego

Dzięki takiemu rozwiązaniu strona internetowa pozwala osobom bez wiedzy technicznej, doświadczenia w programowaniu czy wykształcenia inżynierskiego uzyskać diagnozę w prosty i szybki sposób. To przełomowe podejście może znacząco przyspieszyć proces diagnostyczny i uczynić go bardziej dostępnym dla szerokiego grona specjalistów.

W swojej pracy doktorskiej Chávez opracował kilka zaawansowanych technik, takich jak analiza wzorców mrugania i wielkości źrenic. Inna metoda obejmowała analizę sekwencji skanowania, czyli punktów, przez które przechodziło spojrzenie pacjenta. W rozwoju tego nowatorskiego projektu pomagał mu profesor José Luis González Mora, kierownik grupy badawczej Laboratorium Neurochemii i Neuroobrazowania na Uniwersytecie La Laguna.