आपकी आंख के पीछे की कोई चीज बता सकती है कि आपको एडीएचडी है या नहीं
एडीएचडी का सटीक निदान स्पष्टता लाने और ज़रूरतमंद लोगों को सही सहायता प्रदान करने में महत्वपूर्ण है, लेकिन वर्तमान निदान विधियाँ समय लेने वाली और असंगत हैं। एक नए अध्ययन से पता चलता है कि एआई मदद कर सकता है।
दक्षिण कोरिया में शोधकर्ताओं ने मशीन लर्निंग मॉडल को प्रशिक्षित किया ताकि वे आँख के पीछे के फ़ंडस की तस्वीरों में विशेषताओं को एडीएचडी (अटेंशन डेफ़िसिट हाइपरएक्टिविटी डिसऑर्डर) के पेशेवर निदान से जोड़ सकें। अध्ययन में परीक्षण किए गए चार मशीन लर्निंग मॉडल में से, सबसे अच्छे ने अकेले छवि विश्लेषण के आधार पर एडीएचडी की सटीक भविष्यवाणी करने के लिए 96.9 प्रतिशत स्कोर हासिल किया। टीम ने पाया कि रक्त वाहिकाओं का उच्च घनत्व, वाहिकाओं का आकार और चौड़ाई, और आँख की ऑप्टिक डिस्क में कुछ बदलाव इस बात के मुख्य संकेत थे कि किसी व्यक्ति को यह स्थिति है। कई वर्षों से यह माना जाता रहा है कि एडीएचडी से जुड़े मस्तिष्क कनेक्टिविटी परिवर्तन हमारी आँखों में भी दिखाई दे सकते हैं। अगर हम यह पता लगा सकें कि क्या देखना है, तो इसका मतलब यह हो सकता है कि विकार को पहचानने के लिए एक तेज़, अधिक विश्वसनीय तरीका हो सकता है।
योनसेई यूनिवर्सिटी कॉलेज ऑफ मेडिसिन की एक टीम के नेतृत्व में शोधकर्ताओं ने अपने प्रकाशित शोधपत्र में लिखा, “रेटिनल फंडस तस्वीरों के हमारे विश्लेषण ने एडीएचडी स्क्रीनिंग और दृश्य ध्यान डोमेन में कार्यकारी कार्य घाटे के स्तरीकरण के लिए एक गैर-आक्रामक बायोमार्कर के रूप में क्षमता का प्रदर्शन किया।” इस दृष्टिकोण का परीक्षण 323 बच्चों और किशोरों पर किया गया था, जिन्हें पहले से ही एडीएचडी का निदान किया गया था, और अन्य 323 ऐसे थे जिन्हें एडीएचडी का निदान नहीं हुआ था, जो पहले समूह से उम्र और लिंग के आधार पर मेल खाते थे। शोधकर्ताओं ने पाया कि एडीएचडी की भविष्यवाणी करने के मामले में एआई सिस्टम ने कई उपायों में उच्च स्कोर किया। इसने दृश्य चयनात्मक ध्यान में हानि सहित विकार की कुछ विशेषताओं को पहचानने में भी अच्छा प्रदर्शन किया।
एडीएचडी की जांच के लिए हाल ही में कई मशीन लर्निंग तकनीकों की खोज की गई है, वैकल्पिक नेत्र स्कैन के विश्लेषण से लेकर व्यवहारिक परीक्षणों तक, लेकिन इसमें कुछ प्रमुख आकर्षण हैं। हालांकि कच्चे स्कोर के मामले में यह सबसे सटीक तरीका नहीं है, लेकिन यह बहुत करीब है, इसे चलाना और मूल्यांकन करना भी तेज़ है, और इसे बढ़ाना भी आसान है। शोधकर्ताओं ने लिखा, “विशेष रूप से, पहले के उच्च-सटीकता वाले मॉडल आम तौर पर चर के विविध सेट पर निर्भर थे, जिनमें से प्रत्येक विषय को अलग करने में क्रमिक रूप से योगदान देता था।” “हमारा दृष्टिकोण विशेष रूप से रेटिना तस्वीरों पर ध्यान केंद्रित करके विश्लेषण को सरल बनाता है। यह एकल-स्रोत डेटा रणनीति हमारे मॉडल की स्पष्टता और उपयोगिता को बढ़ाती है।
” इसके बाद, शोधकर्ता इन परीक्षणों को लोगों के बड़े समूहों और व्यापक आयु सीमाओं में आज़माना चाहते हैं। इस अध्ययन में प्रतिभागियों की औसत आयु 9.5 वर्ष थी, और हम जानते हैं कि वयस्कों में ADHD काफी अलग तरीके से प्रस्तुत हो सकता है। सिस्टम के दायरे में सुधार की भी गुंजाइश है: उदाहरण के लिए, ऑटिज्म स्पेक्ट्रम विकार वाले लोगों को इस अध्ययन के मुख्य भाग से बाहर रखा गया था, लेकिन आगे के परीक्षणों से पता चला कि AI ऑटिज्म को ADHD से अलग करने में बहुत अच्छा नहीं था। हाल के अनुमानों से पता चलता है कि लगभग 20 में से 1 व्यक्ति को ADHD है, जिसमें ध्यान, आवेग और अति सक्रियता के साथ संघर्ष शामिल हो सकता है। शोधकर्ताओं ने लिखा है कि ऐसे बहुत से लोग हैं जिनके लिए एक त्वरित, अधिक सटीक निदान से फर्क पड़ सकता है। प्रारंभिक जांच और समय पर हस्तक्षेप से एडीएचडी वाले व्यक्तियों में सामाजिक, पारिवारिक और शैक्षणिक कार्यप्रणाली में सुधार हो सकता है। यह शोध एनपीजे डिजिटल मेडिसिन में प्रकाशित हुआ है।
youtube channel Search – www.youtube.com/@mindfresh112 , www.youtube.com/@Mindfreshshort1
नए खबरों के लिए बने रहे सटीकता न्यूज के साथ।
