به گزارش ایسنا، به نقل از ای بی سی، این فناوری CAMI نام دارد؛ مخفف «ارزیابی رایانه‌ای تقلید حرکتی». شیوه کار آن نسبتا ساده است. کودک مقابل یک ویدئوی استاندارد قرار می‌گیرد و از او خواسته می‌شود حرکات فردی را که روی صفحه می‌بیند تقلید کند. سپس هوش مصنوعی کیفیت و نحوه انجام این حرکات را بررسی می‌کند.

دلیل انتخاب چنین آزمایشی این است که توانایی تقلید حرکات، یکی از رفتارهایی محسوب می‌شود که می‌تواند با اوتیسم ارتباط داشته باشد. سیستم CAMI تلاش می‌کند جزئیات مربوط به این رفتار را از عوامل حاشیه‌ای موجود در ویدئو جدا کند و تنها روی نحوه تقلید کودک تمرکز داشته باشد.

کالئاب کینفو، دانشجوی دکتری مشارکت‌کننده در این پروژه، می‌گوید محل قرارگیری دوربین، میزان نور و دیگر شرایط محیطی می‌توانند روی تصاویر تاثیر بگذارند، اما هوش مصنوعی آموزش دیده است این عوامل را نادیده بگیرد. سیستم در نهایت برای عملکرد تقلیدی کودک یک امتیاز تعیین می‌کند و پژوهشگران از آن برای ارزیابی احتمال قرار گرفتن کودک در طیف اوتیسم استفاده می‌کنند.

نتایج اولیه این فناوری امیدوارکننده بوده است. پژوهشگران در یک مطالعه بالینی، ۱۸۳ کودک ۶ تا ۱۳ ساله را بررسی کردند و به گفته آنها، CAMI توانست با دقتی حدود ۸۰ تا ۸۵ درصد در تشخیص اوتیسم عمل کند.

با این حال، پژوهشگران تاکید دارند که هدف CAMI جایگزین کردن پزشکان نیست. این فناوری قرار است یک ابزار کمکی باشد؛ ابزاری که بتواند در کلینیک‌ها، مدارس و حتی فرایند ارزیابی خانواده‌ها، بخشی از کار تشخیصی را سریع‌تر انجام دهد.

پروفسور رنه ویدال، از پژوهشگران این پروژه، معتقد است CAMI می‌تواند ارزیابی بسیار جزئی‌تری از رفتارهای حرکتی ارائه کند؛ چیزی که در آزمون‌های استاندارد فعلی معمولا با این میزان از جزئیات بررسی نمی‌شود. به گفته او، چشم‌انداز نهایی این پروژه آن است که CAMI به یک مولفه خودکار در فرایند جامع تشخیص اوتیسم تبدیل شود.

البته مسیر استفاده گسترده از این فناوری هنوز تمام نشده است. پژوهشگران قصد دارند در مرحله بعد، CAMI را روی جمعیت بزرگ‌تری آزمایش کنند و دامنه بررسی‌ها را به بزرگسالان نیز گسترش دهند. افزایش دقت سیستم نیز یکی دیگر از اهداف اصلی مرحله بعدی خواهد بود. 

انتهای پیام