یک الگوریتم رایانه‌ای که مشخصات، واکنش‌ها و حرکت‌های سر را بررسی می‌کند، می‌تواند در تشخیص شرایط شبه‌اوتیسم و یا اختلال‌های بیش‌فعالی در بیماران به پزشکان یاری رساند.
هیچ روش سنجش آسانی برای اوتیسم (autism) و یا اختلال کم توجهی بیش فعالی (ADHD) وجود ندارد.
ولی معمولا به عنوان بخشی از ارزیابی، رفتار شخص زیر نظر گرفته می‌شود.
به گفته Michel Valstar از دانشگاه Nottingham رخدادهای همزمان دوره‌ای و ویژگی‌های رفتاری افرادی که به این نقص‌ها گرفتار هستند همانند هم است.
گروه پژوهشی او، از فناوری یادگیری ماشین برای شناخت برخی از این رفتارها در بیماران بهره‌گرفته است. ایشان از رفتار ۵۵ بزرگسال در هنگام خواندن و گوش‌دادن به داستان‌ها و پاسخ‌دادن آنها به پرسش‌هایی درباره این داستان‌ها فیلمبرداری کردند.
به گفته Valstar افرادی که به اوتیسم گرفتار بودند نمی‌توانستند همیشه پیچیدگی‌های ویژه‌ی اجتماعی و عاطفی داستان‌ها را بگیرند.
این ۵۵ نفر به چهار گروه تقسیم شدند:
- -کسانی که شرایط شبه اوتیسم دارند
- -کسانی که اختلال کم توجهی بیش فعالی دارند
- -کسانی که هیچکدام را ندارند
به سیستم آموخته شد تا تفاوت‌های چگونگی واکنش افراد را مشخص کند.
برای نمونه افرادی که هردو نقص را داشتند در هنگام دیدن اطلاعات شگفت‌انگیز کمتر ابروهایشان را بالا می‌کشیدند.
گروه پژوهشی همچنین حرکت سرهای داوطلبان را در هنگام دیدن اطلاعات تعجب‌برانگیز، اندازه گیری کرد.
با بهره از این اندازه‌گیری‌ها، سیستم توانست با ۹۶ درصد دقت، افرادی که اوتیسم یا ADHD دارند را تشخیص دهد.
به گفته Eric Taylor از King’s College لندن : این روش می‌تواند به یک ابزار برای بررسی شرایط این بیماری تبدیل شود ولی هنوز بهترین رویکرد تحت نظر گرفتن هر روزه کودکان در محیط پیرامونشان است.
این الگوریتم به این زودیها کار را از پزشکان نخواهد گرفت بلکه به عنوان ابزاری برای شتاب دادن به معاینات خواهد بود.
لینک منبع خبر: