Recurso de Olho Oculto pode Revelar Risco de TDAH
Crédito: Pixabay
Na Coreia do Sul, pesquisadores desenvolveram modelos de aprendizado de máquina para vincular características em imagens de fundo de olho — fotos do fundo do olho — a diagnósticos clínicos de TDAH (transtorno do déficit de atenção e hiperatividade).
Modelo de Ponta Atinge Precisão de 96,9% na Detecção de TDAH
Entre os quatro modelos testados, o mais eficaz atingiu uma taxa de precisão de 96,9% na identificação de TDAH usando apenas análise de imagem.
Os principais indicadores da condição incluíram aumento da densidade dos vasos sanguíneos, variações no formato e na largura dos vasos e alterações específicas no disco óptico do olho.
Há anos, cientistas suspeitam que o olho pode refletir alterações na conectividade cerebral associadas ao TDAH. A identificação de indicadores visuais específicos pode levar a uma maneira mais rápida e confiável de detectar o transtorno.
“Nossa análise de fotografias de fundo de retina demonstrou potencial como um biomarcador não invasivo para o rastreamento do TDAH e a estratificação do déficit da função executiva no domínio da atenção visual”, observou a equipe de pesquisa, liderada pela Faculdade de Medicina da Universidade Yonsei, em seu estudo publicado.
“Pesquisadores testaram o método em 323 crianças e adolescentes diagnosticados com TDAH e em um grupo controle de 323 indivíduos sem a condição, pareados por idade e sexo.”
O modelo de IA apresentou forte desempenho em diversas métricas de avaliação para prever o TDAH e também foi eficaz na identificação de características associadas ao transtorno, como dificuldades com a atenção seletiva visual.
Aqui está a Frase com as Contrapartes Ativas:
“Pesquisadores investigaram recentemente diversas abordagens de aprendizado de máquina para o rastreamento do TDAH, incluindo métodos que utilizam diferentes tipos de exames oculares e avaliações comportamentais.” Embora este novo método possa não apresentar o melhor desempenho em precisão bruta, ele é quase tão eficaz — e se destaca por ser rápido, fácil de avaliar e altamente escalável.
Dependência de Variáveis Diversas em Modelos Iniciais de Alta Precisão
“Como observam os pesquisadores, os modelos iniciais de alta precisão geralmente dependiam de uma ampla gama de variáveis, cada uma delas desempenhando um papel pequeno, mas importante, na diferenciação de indivíduos.”
“Nosso método agiliza a análise usando apenas imagens da retina, tornando nossos modelos mais simples e eficazes”, explicam os pesquisadores.
Agora, eles planejam testar a abordagem em populações maiores e mais diversas, especialmente porque o estudo atual se concentrou em crianças com idade média de 9,5 anos — enquanto o TDAH pode se manifestar de forma bastante diferente em adultos.
Também há potencial para ampliar as capacidades do sistema. Por exemplo, indivíduos com transtorno do espectro autista não foram incluídos na análise principal, e testes adicionais revelaram que a IA teve dificuldade em distinguir entre autismo e TDAH.
Com cerca de 1 em cada 20 pessoas afetadas por TDAH — caracterizado por dificuldades de concentração, impulsividade e hiperatividade — uma ferramenta de diagnóstico mais rápida e precisa poderia ter um impacto significativo.
“A detecção precoce e o tratamento oportuno podem melhorar os resultados sociais, familiares e acadêmicos para pessoas com TDAH”, observam os pesquisadores.
Leia o Artigo Original Sciencealert
Leia mais Novo Antibiótico pode Combater Superbactéria Mortal
