شنبه 4 آذر 1396 | به روز شده: 4 دقیقه قبل

HAMSHAHRIONLINE

The online version of the Iranian daily Hamshahri
ISSN 1735-6393
شنبه 20 خرداد 1396 - 10:34:24 | کد مطلب: 372683 چاپ

تشخیص اوتیسم در نوزادی تنها با یک اسکن مغزی

دانش > پزشکی - همشهری آنلاین:
محققان با استفاده از اسکن‌های مغزی و هوش مصنوعی موفق به شناسایی تفاوت‌های موجود در همگام‌سازی های مغزی در مناطق کلیدی مغز نوزادان شدند و به این شکل احتمال ابتلای نوزادان به اوتیسم را با دقتی بالا پیش‌بینی کردند.

براساس گزارش ساينس الرت، اين اولين‌باري است كه تنها از يك اسكن مغزي براي تاييد احتمال ابتلاي انسان به اوتيسم استفاده مي‌شود،‌تكنيكي كه فرصت مناسبي را براي دخالت به موقع در روند درمان و درك بهتر بيماري اوتيسم در كودكي براي محققان فراهم آورده‌است.

گروهی از محققان دانشگاه كارولينا و واشنگتن موفق به ارائه اين تكنيك جديد شده‌اند كه نه تنها تعداد اسكن‌هاي مورد نياز براي تشخيص بيماري را كاهش مي‌دهد، بلكه دقت تشخيص را نيز در نوزادان 6 ماهه به 96 درصد مي‌رساند. اين ميزان تا پيش از ابداع تكنيك جديد 81 درصد بود. پيش از اين نتايج مطالعه‌اي متفاوت نشان داده‌بود كه با استفاده از دو اسکن مغزی در 6 و 12 ماهگی، می توان به نتایج مشابهی دست یافت.

اختلال طيفي اوتيسم يا ASD اصطلاحي عمومي براي شرح دادن مجموعه‌اي از اختلالات اجتماعي و ارتباطاتي است كه با رفتارهاي محدود و تكراري همراه است. تخمين‌هاي متنوعي درباره ميزان شيوع بيماري وجود دارد و برخي از گزارش‌ها مي‌گويند از هر 68 كودك زير 8 سال سن يك نفر به اين اختلال مبتلا است. تا به امروز تنها زماني امكان تشخيص بيماري وجود داشت كه نشانه‌هاي اختلال در كودكف در حدود سن دو سالگي بروز پيدا كرده‌بود. 

محققان با استفاده از MRI به بررسي فعاليت‌هاي عصبي 230 منطقه در مغز 59 نوزادي پرداختند كه دست كم يك خواهر و برادر مبتلا به اوتيسم داشتند. علاوه بر بررسي تفاوت‌ها از نظر آناتومي، محققان به بررسي چگونگي اتصال و همگام‌سازي اين مناطق با يكديگر نيز پرداختند.

ميزان هماهنگي اين مناطق با يكديگر به نظر در ايجاد رفتارهاي مرتبط با اوتيسم مانند رفتارهاي تكراري و زبان و مهارت‌هاي اجتماعي نقشي حياتي دارند. از بيش از 26 هزار اتصال ممكن ميان مناطق مغزي، محققان موفق به شناسايي 974 اتصال در نوزادان 6 ماهه شدند كه مي‌توان براساس آنها احتمال ابتلا به اوتيسم را پيش‌بيني كرده و اطلاعات مربوط به آن را در برنامه يادگيري ماشيني وارد كرد تا در آينده به كمك هوش مصنوعي و اسكن‌هاي مغزي، احتمال بروز بيماري را با دقتي بالاتر تشخيص داد.