گروه علمی: محققان توانستهاند با استفاده از الگوریتمهای یادگیری ماشینی، الگوهای گفتاری کودکان در طیف اوتیسم را شناسایی کنند. مطالعه جدیدی که توسط محققان دانشگاه نورث وسترن انجام شد، از یادگیری ماشینی (شاخهای از هوش مصنوعی) برای شناسایی الگوهای گفتاری در کودکان مبتلا به اوتیسم استفاده کرد.
نتیجه این تحقیق بین زبانهای انگلیسی و کانتونی همخوانی داشت و نشان داد که ویژگیهای گفتار ممکن است ابزار مفیدی برای تشخیص این بیماری باشد.این مطالعه که با همکاری پژوهشگران هنگ کنگی انجام شد، نتایجی را به همراه داشت که میتواند به دانشمندان کمک کند تا بین عوامل ژنتیکی و محیطی که تواناییهای ارتباطی افراد مبتلا به اوتیسم را شکل میدهند، تمایز قائل شوند. این روش میتواند به آنها کمک کند تا درباره منشاء این بیماری بیشتر بیاموزند و درمانهای جدیدی را ارائه کنند.
کودکان مبتلا به اوتیسم معمولا آهستهتر از همسالان معمولی خودشان صحبت میکنند و تفاوتهای دیگری در زیر و بم، آهنگ و ریتم صدا نشان میدهند.اکنون دانشمندان با موفقیت از یادگیری ماشینی نظارت شده برای شناسایی تفاوتهای گفتاری مرتبط با اوتیسم استفاده کردند. دادههای مورد استفاده برای آموزش الگوریتم، با صدای ضبط شده جوانان انگلیسی و کانتونی زبان که به اوتیسم مبتلا نبودند و روایت خودشان از داستان کتابی تصویری و بدون کلمه به نام قورباغه! کجایی؟ را تعریف میکنند، بداشته شده است.
استفاده از یادگیری ماشینی برای شناسایی عناصر کلیدی گفتار که پیش بینی کننده اوتیسم هستند، گامی رو به جلو برای محققانی که به دلیل سوگیری زبان انگلیسی در تحقیقات اوتیسم و ذهنیت انسانها در طبقه بندی تفاوتهای گفتاری بین افراد مبتلا به اوتیسم و افراد بدون آن، محدود شده اند، است.با استفاده از این روش، دانشمندان توانستند ویژگیهای گفتاری را که میتواند تشخیص اوتیسم را پیش بینی کند، شناسایی کنند. برجستهترین آن ویژگیها ریتم است.
محققان بر این باورند که کار آنها پتانسیل کمک به درک بهتر اوتیسم را دارد. هوش مصنوعی با کمک به کاهش بار روی شانه متخصصان میتواند تشخیص اوتیسم را آسانتر کند.پژوهشگران میگویند که نتایج این مطالعه میتواند تلاشها را برای شناسایی و درک نقش ژنهای خاص و مکانیسمهای پردازش مغز شکل دهد که در حساسیت ژنتیکی نسبت به اوتیسم دخیل هستند. هدف آنها ایجاد تصویر جامعتر از عواملی است که افراد مبتلا به تفاوتهای گفتاری اوتیسم را شکل میدهند.یکی از شبکههای مغزی که میتواند در این کار دخیل باشد، مسیر شنوایی است که با تفاوت در نحوه پردازش صداها در مغز ارتباط دارد. گام بعدی دانشمندان شناسایی تفاوت در پردازش الگوهای گفتاری در مغز و بررسی ژنتیک عصبی ورای آنهاست.