Studio: l'intelligenza artificiale può migliorare il rilevamento MRI dell'ADHD
14 gennaio 2020
L'intelligenza artificiale può migliorare in modo significativo l'accuratezza dei modelli neurali usando le scansioni cerebrali MRI per rilevare il disturbo da deficit di attenzione e iperattività (ADHD), secondo uno studio recentemente pubblicato in Radiologia: intelligenza artificiale.1
Lo studio, condotto da ricercatori dell'Ohio Università di Cincinnati e il Centro medico dell'ospedale pediatrico di Cincinnati, si concentra sull'idea emergente di utilizzo imaging cerebrale per rilevare segni di ADHD nei pazienti. Attualmente non esiste un singolo test definitivo per l'ADHD: la diagnosi arriva dopo una serie di test sintomatici e comportamentali.
La ricerca, tuttavia, suggerisce che ADHD può essere potenzialmente rilevato studiando il connettoma, una mappa delle connessioni neuronali del cervello costruita sovrapponendo scansioni MRI del cervello, note come parcellazioni. Alcuni studi suggeriscono che un connettoma interrotto o interrotto è collegato all'ADHD.
Finora la maggior parte della ricerca ha coinvolto il modello della "rete neurale profonda a canale singolo" (scDNN), in cui l'intelligenza artificiale aiuta un computer a costruire connettomi basati su una parcellazione. In questo studio, gli scienziati hanno sviluppato un "modello di rete neurale profonda multicanale", o mcDNN, in cui i connettomi sono costruiti sulla base di più parcellazioni. Queste parcellazioni su più scale provengono da set di dati cerebrali di 973 partecipanti.
Il modello è stato anche programmato per analizzare e rilevare modelli nei connettomi multi-scala per rilevare l'ADHD e identificare le funzionalità di connettoma cerebrale più predittive per Diagnosi di ADHD. I risultati hanno mostrato che le prestazioni di rilevamento dell'ADHD sono migliorate "considerevolmente" con il modello mcDNN rispetto all'alternativa scDNN.
"I nostri risultati enfatizzano il potere predittivo del connettoma cerebrale", ha detto l'autore senior Lili He alla Radiological Society of North America2. "Il connettoma funzionale del cervello costruito che si estende su più scale fornisce informazioni supplementari per la rappresentazione di reti in tutto il cervello."
Lo studio apre le porte all'imaging del cervello e alle reti neurali profonde, o apprendimento profondo, per aiutare a rilevare altre condizioni. "Questo modello può essere generalizzato ad altre carenze neurologiche", ha detto, osservando che questo modello mcDNN è già utilizzato per predire la carenza cognitiva nei neonati prematuri, ad esempio per prevedere gli esiti dello sviluppo neurologico all'età Due.
fonti
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., & He, L. (2019). Un modello di rete neurale profonda multicanale che analizza i dati del cervello funzionale multiscala per il rilevamento del disturbo da deficit di attenzione e iperattività. Radiologia: Intelligenza artificiale, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 L'intelligenza artificiale aumenta il rilevamento della risonanza magnetica dell'ADHD. (11 dicembre 2019). Estratto dal 2020, 13 gennaio da https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Aggiornato il 14 gennaio 2020
Dal 1998, milioni di genitori e adulti si sono affidati alla guida esperta e al supporto di ADDitude per vivere meglio con l'ADHD e le relative condizioni di salute mentale. La nostra missione è quella di essere il tuo consulente di fiducia, una fonte inesauribile di comprensione e guida lungo il percorso verso il benessere.
Ottieni un numero gratuito e e-book aggiuntivo ADDitude, oltre a risparmiare il 42% sul prezzo di copertina.
