يوفر الذكاء الاصطناعي فرصا غير مسبوقة لمواجهة تحديات تشخيص اضطراب فرط الحركة ونقص الانتباه، لا سيما فيما يتعلق بتحسين موضوعية التقييم وكفاءته.

سابقا، كان تشخيص مرض ADHD يعتمد على التقييمات الذاتية؛ ما يؤدي إلى تحديات مثل تداخل الأعراض، وعدم التجانس، وخطر التشخيص الخاطئ. لكن الذكاء الاصطناعي نجح في توفير فرص للتقييم الموضوعي لهذا المرض، من خلال معالجة بيانات متعددة الوسائط معقدة (سلوكية، وعصبية، وتصوير عصبي، وجينية).

وتكمن صعوبة تشخيص اضطراب فرط الحركة ونقص الانتباه لدى البالغين في اعتماده على المقابلات السريرية والتقارير الذاتية بأثر رجعي. وهذه الطرق عُرضة للخطأ بسبب الذاكرة المُتحيزة أو الإبلاغ المُتعمّد الخاطئ.

وعلى عكس بعض الحالات الطبية، لا توجد مؤشرات حيوية أو اختبارات معملية مُثبتة يُمكنها تأكيد تشخيص اضطراب نقص الانتباه وفرط النشاط. نتيجةً لذلك، لا يزال التشخيص الخاطئ يُمثل مشكلةً خطيرة.

هل يمكن للذكاء الاصطناعي تشخيص اضطراب فرط الحركة؟

توصلت دراسة حديثة إلى إمكانية دمج تحليل تخطيط كهربية الدماغ مع تقنية التعلم العميق لتحسين تشخيص اضطراب فرط الحركة ونقص الانتباه، مُقدمةً بذلك بديلا عمليا للطرق التقليدية.

وتشير الدراسة، التي نُشرت في مجلة Translational Psychiatry، إلى أن الجمع بين الواقع الافتراضي، وتتبع العين، وبيانات حركة الرأس، والأعراض المُبلّغ عنها ذاتيا قد تُساعد في تحديد اضطراب نقص الانتباه وفرط النشاط (ADHD) لدى البالغين بدقة مُحسّنة.

وفي مهمة تشخيصية مُصممة لمحاكاة مُشتتات الانتباه في العالم الواقعي، وجد الباحثون أن نموذج التعلم الآلي الخاص بهم يُمكنه التمييز بين البالغين المُصابين باضطراب نقص الانتباه وفرط النشاط من غير المُصابين به بنسبة 81% عند اختباره على عينة مُستقلة.

ووفقا لموقع PsyPost، أظهر النموذج عند اختباره على مجموعة بيانات مستقلة دقة إجمالية بلغت 81%، مع حساسية 78% وخصوصية 83%؛ ما يعني قدرته على تحديد 78% من حالات اضطراب فرط الحركة ونقص الانتباه بدقة، والتعرف بشكل صحيح على 83% من الأفراد غير المصابين.

وتتوافق هذه النتائج مع الدراسات السابقة في مجال التعلم الآلي لاضطراب فرط الحركة ونقص الانتباه، مع فارق مهم: معظم الأبحاث السابقة لم تختبر نماذجها على بيانات مستقلة، وهو أمر أساسي لتقييم أداء النموذج بدقة في بيئات واقعية وتجنب المبالغة في النتائج.

كيف يمكن تشخيص اضطراب فرط الحركة بتقنية EEG؟

خلصت الدراسة إلى إمكانية تشخيص اضطراب فرط الحركة، ونقص الانتباه (ADHD) باستخدام إشارات تخطيط كهربية الدماغ (EEG) وتقنيات التعلم العميق؛ ما يوفر بديلا عمليا لتشخيص قائم على السلوك غالبا ما يكون عرضة للأخطاء والتحيّز الجنسي.

اعتمد الباحثون على مجموعة بيانات EEG متاحة للعامة، وحوّلوا الإشارات إلى مخططات طيفية، ثم استخدموا بنية الشبكة العصبية التلافيفية ResNet-18 (CNN) لاستخراج السمات المهمة وتصنيف الحالات المصابة وغير المصابة.

وحقق النموذج دقة عالية، وأبرز استخراج السمات مناطق الدماغ المهمة (الفص الجبهي القطبي، والفص الجداري، والفص القذالي) المرتبطة باضطراب نقص الانتباه وفرط النشاط.

وساهمت هذه الرؤى في إنشاء نظام تشخيص رقمي ثلاثي الأجزاء، يُسهّل فحص اضطراب فرط الحركة ونقص الانتباه بتكلفة معقولة وفي متناول الجميع، لا سيما في البيئات المدرسية.

ويمكن لهذا النظام تحديد الطلاب المعرضين لخطر الإصابة باضطراب فرط الحركة ونقص الانتباه بشكل أبكر وأكثر دقة؛ ما يُوفر الدعم في الوقت المناسب لتحسين نتائجهم التنموية.