اتمسفر زمین در آینده چه وضعیتی خواهد داشت؟
کشفی شگفت‌انگیز از سرنخی برای حیات در سیارات دیگر
امیدها برای موفقیت «مول» در مریخ
چرا برخی از باکتری‌ها، ما را مسموم می‌کنند؟
تاثیر شیوع کرونا، بر کارایی سلول‌های خورشیدی
زمین چگونه میدان مغناطیسی خود را حفظ می‌کند؟
دمای هاله‌ی کهکشان راه‌شیری چقدر است؟
سرعت در هوا با سرعت روی زمین چه تفاوتی دارد؟
تولید ماسکی که خاصیت ضدویروسی دارد
راهی جدید برای تصفیه آب
کشف تازه‌ی تلسکوپ فضایی هابل
آیا می‌توان به هوش‌مصنوعی فیزیک یاد داد؟
ساخت کوچک‌ترین لیزر نیمه‌هادی جهان
جهان دقیقاً چند سال سن دارد؟
کشف ماده‌ای مرموز بر روی ماه
استرالیای رنگارنگ از فضا
چرا زعفران از طلا گران‌تر است؟
نمای نزدیک از سطح سیارکِ بنو
عاملی مهم در ایجاد بیماری آلزایمر
چگونه حیات اولیه بر روی زمین به‌وجود آمد؟
کشف بی‌سابقه‌ی منظومه‌ای سیاره‌ای
حبوبات شما را در برابر بیماری قلبی محافظت می‌کند
چگونه یک سیاه‌چاله می‌تواند کهکشان میزبان خود را نابود کند؟
آیا پارکینسون درمانی دائمی دارد؟
آیا کوری ناشی از دیابت، درمانی دارد؟
تولید گوشت و لبنیات، اتمسفر زمین را آلوده می‌کند
چرا ما ناشناخته‌ها را به یک عامل بیرونی نسبت می‌دهیم؟
گرمایش شدید سرزمین جنوبگان
استفاده از نیروی مافوق صوت، برای از بین بردن سنگ کلیه
دنباله‌دار اطلس دوباره خبرساز شد

روشی امیدوارکننده برای تشخیص سریع اوتیسم

روشی امیدوارکننده برای تشخیص سریع اوتیسم
مجله علمی ایلیاد - اوتیسم و دیگر اختلالات عصبی معمولاً تا چند سال پس از تولد نوزاد تشخیص داده نمی‌شوند؛ در حالی که پس از گذشت چند سال، مداخلات رفتاری و گفتاردرمانی کمتر موثر هستند. تحقیقات جدیدی که در مجله‌ی PNAS چاپ شده است، نشان می‌دهد که اندازه‌گیری دو فاکتور ساده می‌تواند به تشخیص این اختلالات کمک کند؛ «بروز نوسان در انقباض مردمک چشم» و «ضربان قلب». این‌ها می‌توانند به تشخیص زودهنگام اختلالاتی مانند اوتیسم کمک کنند.

این مطالعه به سرپرستی «مایکل فاجیولینی» از بیمارستان کودکان بوستون و «پترو آرتونی» انجام شده است. آن‌ها یک الگوریتم یادگیری ماشین طراحی کرده‌اند که می‌تواند غیرعادی بودن انقباضات مردمک چشم را به عنوان نشانه‌ی اختلال اوتیسم در موش‌ها شناسایی کند. آن‌ها نشان داده‌اند که این الگوریتم می‌تواند سندروم رت را نیز پیش‌بینی کند.

محققین امیدوارند که این سیستم بتواند هشدار زودهنگامی برای اختلال اوتیسم باشد. آن‌ها پیش‌بینی می‌کنند که این سیستم در آینده بتواند برای پایش پاسخ بیماران به درمان‌های انجام شده نیز مؤثر واقع شود. فاجیولینی می‌گوید: «ما مایل هستیم که بدانیم به صورت کمی، عینی و حسی چه اتفاقی در مغز می‌افتد. نشانگرهای زیستی که منعکس‌کننده‌ی فعالیت‌های مغزی باشند و بتوان آن‌ها را به‌صورت کمی اندازه‌گیری کرد و انحراف نداشته باشند نیز تا کنون وجود نداشته‌اند. یک ماشین هوشمند می‌تواند یک نشانگر را بدون توجه به میزان فعالیت بیمار اندازه‌گیری کند؛ در حالی که تحت تاثیر اختلالات دیگر نیز قرار نمی‌گیرد.»

گروه فاجیولینی سیستمی طراحی کردند که نوسانات مردمک چشم موش‌های مبتلا به اوتیسم را اندازه‌گیری می‌کند. آن‌ها دریافتند که قبل از نشان دادن رفتارهای اوتیسمی، مردمک چشم با نوسان انقباض بروز این بیماری را نشان می‌دهد. این نوسانات در موش‌های مبتلا به سندروم رت نیز رخ می‌دهد.

محققین برای پیدا کردن ارتباط تغییرات مشاهده شده در انقباض مردمک با سیستم‌ها مغزی، از یک موش که پروتئین «LYNX1» را در بدن خود نداشته است، استفاده کردند و با رصد ۶۰ ساعته‌ی حرکات آن، یک الگوریتم یادگیری عمیق طراحی کردند که بتواند انقباضات غیرعادی مردمک چشم موش‌ها را شناسایی کند. این الگوریتم بر روی ۳۵ دختر جوان مبتلا به سندروم رت و ۴۰ دختر که در ابتدای راه ابتلا بودند آزمایش شد، ولی به جای انقباض مردمک، نوسان ضربان قلب آن‌ها پایش شد. الگوریتم با دقت ۸۰ درصدی افراد مبتلا را شناسایی کرد.
مترجمامید محمدی - مجله علمی ایلیاد
منبعsciencedaily.com