Uzyskanie szybkiej diagnozy zaburzeń ze spektrum autyzmu (ASD) wciąż stanowi poważne wyzwanie, ale nowe badania prowadzone na Uniwersytecie York w Kanadzie sugerują, że sposób, w jaki młodzi dorośli – a potencjalnie także dzieci – chwytają przedmioty, może stanowić prostszy i bardziej dostępny sposób identyfikacji autyzmu.
Zespół badawczy, działający w ramach międzynarodowej współpracy, wykorzystał uczenie maszynowe do analizy naturalnych ruchów dłoni – a konkretnie ruchów palców podczas chwytania – u osób neurotypowych i tych ze zdiagnozowanym ASD.
„Nasze modele były w stanie sklasyfikować autyzm z dokładnością około 85 procent, co sugeruje, że ta metoda może oferować prostsze i skalowalne narzędzia diagnostyczne” – mówi dr Erez Freud, profesor nadzwyczajny w Wydziale Psychologii i Centrum Badań nad Widzeniem Uniwersytetu York.
Jak podkreśla Freud, w Kanadzie ASD dotyczy obecnie około 1 na 50 dzieci, a wczesna i dostępna diagnoza pozostaje dużym problemem. Odkrycia zespołu wpisują się w rosnące dowody naukowe wskazujące, że subtelne wzorce motoryczne mogą stanowić cenne sygnały diagnostyczne – które do tej pory nie były szeroko wykorzystywane w praktyce klinicznej.
Autyzm, jako zaburzenie neurorozwojowe, oprócz trudności w sferze społecznej i komunikacyjnej, może objawiać się także nieprawidłowościami ruchowymi, które często występują już we wczesnym dzieciństwie. Zdaniem badaczy, testowanie tych wzorców motorycznych na wczesnym etapie rozwoju mogłoby przyspieszyć diagnozę i rozpoczęcie terapii.
„Główne behawioralne markery diagnostyczne pojawiają się stosunkowo późno, natomiast motoryczne mogą być wychwycone bardzo wcześnie – co może obniżyć wiek diagnozy” – tłumaczy prof. Batsheva Hadad z Uniwersytetu w Hajfie, ekspertka w dziedzinie badań nad autyzmem i współautorka badania.
W badaniu uczestniczyli młodzi dorośli – osoby ze spektrum i neurotypowe – którzy mieli za zadanie chwytać różnej wielkości bloczki za pomocą kciuka i palca wskazującego (z umieszczonymi markerami ruchu), unosić je, odkładać i wracać dłonią do pozycji początkowej. Uczenie maszynowe pozwoliło przeanalizować precyzyjne parametry kinematyczne ich ruchów.
Obie grupy były dopasowane pod względem wieku i ilorazu inteligencji. Zastosowanie dorosłych, a nie dzieci, miało na celu wyeliminowanie wpływu ewentualnego opóźnienia rozwojowego.
Wyniki wykazały, że subtelne różnice w kontroli motorycznej można zidentyfikować z ponad 84-procentową dokładnością. Co więcej, ruchy chwytania osób z ASD miały wyraźnie odmienne właściwości kinematyczne w porównaniu do osób neurotypowych.
Jak zauważa dr Freud, analiza naturalnych zadań chwytania precyzyjnego nie była wcześniej powszechnie wykorzystywana w badaniach nad autyzmem. Zastosowanie uczenia maszynowego stanowi nowe, potężne narzędzie do badania wzorców motorycznych i może otworzyć drogę do wykorzystania danych ruchowych w diagnostyce ASD.
Odkrycia te mogą w przyszłości doprowadzić do opracowania bardziej dostępnych i wiarygodnych narzędzi diagnostycznych oraz umożliwić wcześniejszą interwencję, co potencjalnie przełoży się na lepsze wyniki zdrowotne i społeczne dla osób ze spektrum autyzmu.
Badanie zostało opublikowane w czasopiśmie Autism Research pod tytułem: Effective autism classification through grasping kinematics.
Źródło: York University, Autism Research
DOI: 10.1002/AUR.70049
