- Benturan Keras Terjadi di Tikungan Jatiroto, Sopir Alami Luka Akibat Tabrakan Truk
- Keroyokan Usai Pesta Miras di Lumajang Berujung Penangkapan Dua Pelaku
- Pengembangan Pembelajaran Biologi Kontekstual Berbasis STEM-PjBL di Lumajang
- Peningkatan Patroli di Wilayah Pronojiwo, Masyarakat Dihimbau Tetap Waspada
- Upaya Menjaga Kelancaran dan Keselamatan Lalu Lintas Dilakukan di Lumajang dengan Poros Pagi
- Perawatan Candi di Lumajang Ditingkatkan sebagai Upaya Pelestarian Sejarah
- Kecelakaan Melibatkan Minibus dan Dua Truk Terjadi di Banyuputih Kidul Lumajang, Satu Sopir Alami Luka Kaki
- Pendaftaran Calon Ketua DPD Golkar Lumajang Telah Dibuka
- Biaya Perawatan Korban Kecelakaan di Jokarto Ditanggung Pemerintah Daerah Lumajang
- Kecelakaan Truk dan Motor di Desa Jokarto Lumajang Sebabkan Luka Parah pada Remaja
Perkembangan AI Menggembirakan dalam Deteksi Awal Autisme
AI shows promise in early autism detection, achieving near 80% accuracy https://dailyai.com/2024/08/ai-shows-promise-in-early-autism-detection-achieving-near-80-accuracy/

Keterangan Gambar : Perkembangan AI Meng
Studi Baru Menggunakan AI untuk Identifikasi Autisme pada Balita
Sebuah studi baru yang diterbitkan di JAMA Network Open menggunakan kecerdasan buatan (AI) untuk mengidentifikasi balita yang mungkin mengalami gangguan spektrum autisme (ASD). Peneliti dari Karolinska Institutet di Swedia telah mengembangkan model pembelajaran mesin yang dapat memprediksi autisme dengan akurasi sekitar 80% pada anak di bawah usia dua tahun, hanya dengan menggunakan informasi medis dan latar belakang yang dasar.
Studi ini dipimpin oleh Dr. Kristiina Tammimies dan timnya, yang menggunakan data dari database Simons Foundation Powering Autism Research for Knowledge (SPARK), yang berisi informasi luas tentang individu dengan autisme dan keluarga mereka. Peneliti menganalisis data dari 30.660 peserta, yang terbagi rata antara mereka yang didiagnosis autisme dan yang tidak.
“Dengan model AI ini, mungkin untuk menggunakan informasi yang tersedia dan lebih awal mengidentifikasi individu dengan kemungkinan tinggi mengalami autisme, sehingga mereka dapat mendapatkan diagnosis dan bantuan lebih awal,” kata Dr. Tammimies, menekankan potensi dampak dari penelitian ini.
Tim peneliti fokus pada 28 ukuran yang mudah diperoleh yang dapat dikumpulkan sebelum anak mencapai usia 24 bulan. Ini termasuk informasi yang dilaporkan orang tua dari kuesioner medis dan latar belakang, seperti usia saat senyuman pertama, perilaku makan, dan pencapaian perkembangan bahasa.
Peneliti kemudian membuat dan menguji empat model pembelajaran mesin yang berbeda, dan akhirnya memilih yang berkinerja terbaik, yang mereka beri nama “AutMedAI.”
Hasil Menjanjikan
Untuk memastikan model AutMedAI bekerja dengan baik pada berbagai kelompok orang, tim mengujinya pada dua dataset terpisah: hampir 12.000 peserta baru dari versi terbaru database asli mereka dan sekitar 3.000 individu dengan autisme dari studi lain. Hasilnya sangat menggembirakan. Ketika diuji pada dataset peserta baru yang lebih besar, AI berhasil mengidentifikasi 78,9% anak sebagai memiliki autisme atau tidak, yang berarti akurat dalam sekitar 4 dari 5 kasus.
Dr. Tammimies menekankan, “Saya ingin menekankan bahwa algoritma ini tidak dapat mendiagnosis autisme, karena ini harus tetap dilakukan dengan metode klinis standar.”
Peneliti juga menemukan fitur-fitur yang sangat prediktif terhadap autisme, seperti masalah dengan makanan, usia saat anak pertama kali menyusun kalimat panjang, usia saat mencapai pelatihan toilet, dan usia saat mereka pertama kali tersenyum.
Menariknya, kinerja model ini tetap konsisten di berbagai kelompok usia, jenis kelamin, dan latar belakang ras. Ini sangat penting, karena beberapa alat skrining yang ada menunjukkan bias dalam mengidentifikasi autisme di berbagai kelompok.
Dukungan untuk Diagnosis Dini
Diagnosis dini sangat penting untuk menerapkan intervensi yang efektif yang dapat membantu anak-anak dengan autisme berkembang secara optimal. Dr. Shyam Rajagopalan, penulis utama studi ini, menjelaskan, “Ini dapat mengubah kondisi untuk diagnosis dan intervensi dini, dan pada akhirnya meningkatkan kualitas hidup banyak individu dan keluarga mereka.”
Namun, peneliti memperingatkan bahwa validasi lebih lanjut di lingkungan klinis diperlukan sebelum model ini diterapkan. Mereka juga sedang bekerja untuk menggabungkan informasi genetik ke dalam model, yang mungkin dapat meningkatkan akurasinya.
Penelitian ini bergabung dengan semakin banyaknya karya yang mengeksplorasi aplikasi AI dalam kesehatan mental.