فعالیت مغز می‌تواند شدت ویژگی‌های اتیسم را نشان دهد
یک رویکرد ریاضی جدید قادر به پیش‌بینی شدت ویژگی‌های اوتیسم از داده‌های فعالیت مغزی است. گروهی از محققان روسیه و اسرائیل با مطالعه فعالیت مغزی افراد، الگوریتم جدیدی را برای طبقه بندی شدت ویژگی های شخصیتی اوتیسمی به کار گرفتند.
طبقه بندی رفتارهای اوتیسمی با توجه به فعالیت مغز که توسط fNIRS با استفاده از ضریب پیچیدگی کدگذاری شده است در مجله اوتیسم و اختلالات تکاملی منتشر شده است.
هنگام تشخیص اوتیسم و سایر اختلالات روانی، پزشکان به طور فزاینده ای از روش های تصویربرداری عصبی علاوه بر آزمایش و مشاهده سنتی استفاده می کنند. چنین روش‌های تشخیصی نه تنها عینی‌تر هستند، بلکه اغلب در مواردی که پزشک داده‌های رفتاری کافی ندارد، مانند زمانی که بیمار از نظر سنی جوان است، وجود یک اختلال را آشکار می‌کند.
یکی از وظایف مهم در توسعه روش‌های تشخیصی انتخاب الگوریتمی است که بتواند الگوهای فعالیت مغزی مشخصی را شناسایی کند. از آنجا که سلول‌های مغزی تعداد زیادی پالس الکتریکی در ثانیه تولید می‌کنند , داده‌های خام اغلب برای نتیجه‌گیری کافی نیستند . داده‌ها باید ابتدا پردازش شوند.
گروهی از محققان روسیه و اسرائیل یکی از این الگوریتم‌ها را مطالعه کردند. آزمایش شامل ۲۶ آزمودنی سالم بود که ۵ نفر از نمونه نهایی به دلیل سیگنال‌های نویزی حذف شدند . ابتدا , شرکت کنندگان ضریب طیف اوتیسم را تکمیل کردند و براساس نتایج آزمون به دو گروه تقسیم شدند: آن‌هایی که ویژگی‌های اوتیسم قوی دارند و آن‌هایی که ویژگی‌های اوتیسم ضعیفی دارند.
سپس شرکت کنندگان یک تکلیف حرکتی هماهنگ بین فردی انجام دادند: از هر آزمودنی خواسته شد تا دست‌راست خود را به مدت چند دقیقه همزمان با دست محقق حرکت دهد در حالی که فعالیت مغزی آن‌ها ثبت شده‌بود . اغلب از وظایف همزمانی بین فردی در تشخیص اختلالات طیف اوتیسم استفاده می‌شود زیرا افراد مبتلا به ASD در هماهنگی اقدامات مشترک مشکل دارند .
محققان به جای MRI سنتی یا EEG، طیف سنجی مادون قرمز نزدیک عملکردی (fNIRS)را برای ثبت فعالیت مغز افراد انتخاب کردند.
فن آوری FNIRS مبتنی بر اندازه گیری سطح اکسیژن در رگ های خونی مغز با استفاده از نور مادون قرمز است. برخلاف fMRI، fNIRS یک فن آوری مقرون به صرفه تر و قابل حمل تر است که نویز ایجاد نمی کند، بنابراین این تکنیک تصویربرداری عصبی برای مطالعه فعالیت مغزی افراد مبتلا به اوتیسم بسیار مناسب است.
محققان برای تجزیه و تحلیل داده های فعالیت مغز از ضرایب پیچیدگی استفاده کردند. این رویکرد نسبتا جدید ریاضی به محققان اجازه داد تا اطلاعات معنی داری را از الگوهای پیچیده و پر سر و صدا استخراج کنند. براساس داده های پردازش شده به این روش، محققان از روش های طبقه بندی کلاسیک برای تقسیم افراد به گروه هایی بسته به ویژگی های فعالیت مغز در هنگام انجام وظیفه همگام سازی استفاده کردند.
دانشمندان با آزمایش این الگوریتم ها توانستند به دقت پیش بینی بیش از ۹۰ درصد دست پیدا کنند: در ۹ مورد از ۱۰ مورد، ارزیابی شدت ویژگی های اوتیسمی در افراد با استفاده از تصویربرداری عصبی با نتایج پرسشنامه ای که شرکت کنندگان در ابتدا پر کردند، مطابقت داشت.
این فن آوری جدید می تواند به عنوان یک ابزار تشخیصی برای اختلالات طیف اوتیسم مورد استفاده قرار گیرد، چرا که هنگام کار با افراد مبتلا به ASD در مقایسه با fMRI در دسترس تر و راحت تر است.
علاوه بر این، این مطالعه برای اولین بار با موفقیت از نظریه پیچیدگی برای رمزگشایی داده های ثبت شده با fNIRS استفاده کرده است. این موضوع امکان استفاده از الگوریتم جدید را در مطالعات دیگر با فن آوری fNIRS فراهم می کند.
نوشته های مرتبط