هوش مصنوعی الگوهای گفتار اوتیسم را در زبان های مختلف تشخیص می دهد. الگوریتم‌های یادگیری ماشینی به محققان کمک می‌کنند الگوهای گفتاری کودکان در طیف اوتیسم را که بین زبان‌های مختلف سازگار است، شناسایی کنند.
منبع: دانشگاه نورث وسترن
مطالعه جدیدی که توسط محققان دانشگاه نورث وسترن انجام شد، از یادگیری ماشین (شاخه‌ای از هوش مصنوعی) برای شناسایی الگوهای گفتاری در کودکان مبتلا به اوتیسم استفاده کرد که بین انگلیسی و کانتونی همخوانی داشت و نشان داد که ویژگی‌های گفتار ممکن است ابزار مفیدی برای تشخیص این بیماری باشد.
این مطالعه که با همکارانش در هنگ کنگ انجام شد، بینش‌هایی را به دست آورد 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 و به طور بالقوه به آنها کمک کند تا درباره منشاء این بیماری بیشتر بیاموزند و درمان‌های جدیدی توسعه دهند.
اوتیسم
کودکان مبتلا به اوتیسم اغلب آهسته تر از کودکان در حال رشد معمولی صحبت می کنند و تفاوت های دیگری در زیر و بم، آهنگ و ریتم از خود نشان می دهند. اما این تفاوت‌ها (که توسط محققان «تفاوت‌های عروضی» نامیده می‌شوند) به‌طور شگفت‌انگیزی دشوار بوده است که به شیوه‌ای ثابت و عینی توصیف شوند، و منشأ آنها برای دهه‌ها نامشخص باقی مانده است.
با این حال، تیمی از محققان به رهبری دانشمندان شمال غربی به نام مولی لوش و جوزف سی. لاو، همراه با همکار هنگ کنگی پاتریک ونگ و تیمش، با موفقیت از یادگیری ماشینی نظارت شده برای شناسایی تفاوت های گفتاری مرتبط با اوتیسم استفاده کردند.
داده‌های مورد استفاده برای آموزش الگوریتم، ضبط شده از بچه های انگلیسی و کانتونی زبان با و بدون اوتیسم بود که نسخه‌ای از داستان خود را بیان می‌کردند که در کتاب تصویری و بدون کودکان به نام «قورباغه، کجایی؟» وجود داشت.
نتایج در 8 ژوئن 2022 در مجله PLOS One منتشر شد.
نویسنده ی این مطالعه می گوید:
“اما به همان اندازه جالب توجه است که ما تنوع را مشاهده کردیم، که ممکن است به ویژگی های گفتار اشاره کند
که انعطاف پذیرتر هستند و به طور بالقوه اهداف خوبی برای مداخله هستند.”
لاو اضافه کرد که استفاده از یادگیری ماشینی برای شناسایی عناصر کلیدی گفتار که پیش بینی کننده اوتیسم هستند، گامی رو به جلو برای محققانی است که به دلیل سوگیری زبان انگلیسی در تحقیقات اوتیسم و ذهنیت انسان ها در طبقه بندی تفاوت های گفتاری بین افراد مبتلا به اوتیسم و افراد بدون محدود شده اند..
همچنین لاو، محقق فوق دکتری که با لوش در دپارتمان علوم ارتباطات و اختلالات روکسلین و ریچارد پپر در نورث وسترن کار می کند، گفت: با استفاده از این روش، ما توانستیم ویژگی های گفتاری را که می تواند تشخیص اوتیسم را پیش بینی کند، شناسایی کنیم.
برجسته ترین آن ویژگی ها ریتم است. ما امیدواریم که این مطالعه بتواند پایه ای برای کار آینده در مورد اوتیسم باشد که از یادگیری
ماشینی استفاده می کند.
محققان بر این باورند که کار آنها پتانسیل کمک به درک بهتر اوتیسم را دارد. لاو گفت که هوش مصنوعی این پتانسیل را دارد که تشخیص اوتیسم را با کمک به کاهش بار روی متخصصان مراقبت های بهداشتی آسان تر کند و تشخیص اوتیسم را برای افراد بیشتری در دسترس قرار دهد. همچنین می‌تواند ابزاری را ارائه دهد که ممکن است روزی از فرهنگ‌ها فراتر رود، زیرا کامپیوتر توانایی آن را دارد که کلمات و صداها را به روشی کمی بدون توجه به زبان تجزیه و تحلیل کند.
لوش گفت، از آنجایی که ویژگی‌های گفتار شناسایی شده از طریق یادگیری ماشینی شامل ویژگی‌های مشترک در زبان انگلیسی و کانتونی و ویژگی‌های مختص یک زبان است، یادگیری ماشینی می‌تواند برای توسعه ابزارهایی مفید باشد که نه تنها جنبه‌های گفتار مناسب برای مداخلات درمانی را شناسایی می‌کنند، بلکه می‌توانند تأثیر آن مداخلات با ارزیابی پیشرفت سخنران در طول زمان اندازه‌گیری کنند.
نهایتا
در نهایت، نویسندگان می‌گویند که نتایج این مطالعه می‌تواند تلاش‌ها را برای شناسایی و درک نقش ژن‌های خاص و مکانیسم‌های پردازش مغز دخیل در حساسیت ژنتیکی به اوتیسم را نشان دهد. در نهایت، هدف آنها ایجاد تصویر جامع تری از عواملی است که افراد مبتلا به تفاوت های گفتاری اوتیسم را شکل می دهند.
لاو گفت: «یکی از شبکه‌های مغزی که درگیر است مسیر شنوایی در سطح زیر قشری است که واقعاً به تفاوت‌هایی در نحوه پردازش صداهای گفتاری در مغز افراد مبتلا به اوتیسم نسبت به افرادی که معمولاً در فرهنگ‌های مختلف رشد می‌کنند مرتبط است.»
گام بعدی شناسایی این تفاوت‌ها در پردازش مغز به الگوهای گفتاری رفتاری است که در اینجا مشاهده می‌کنیم و ژنتیک عصبی زیربنایی آنها. ما در مورد آنچه در پیش است هیجان زده هستیم.
مرکز سلامت مغز دانا در کنار کودکان شما اماده جهت خدمات تخصصی طیف اوتیسم می باشد.
سید مهدی ساداتی هستم. عاشق مغز! داروساز و دانشجوی دکترای تخصصی علوم اعصاب. عضو تیم مرکز سلامت مغز دانا! از علاقه هام شناسوندن کارایی های هیجان انگیز مغز به زبان ساده به آدمهاست! جست و جو می کنم در افسردگی، داروهای موثر بر مغز و سایر بیماری های حوزه ی روان و البته نوروپلاستیسیتی!