اوتیسم یا اختلال طیف اوتیسم (ASD)، به طیف وسیعی از شرایط اطلاق میشود که با چالشهایی در مهارتهای اجتماعی، رفتارهای تکراری، گفتار و ارتباطات غیرکلامی مشخص میشود.به طور متوسط، اوتیسم در حدود سن 5 سالگی تشخیص داده می شود و علائم آن در سن 2 یا 3 سالگی ظاهر می شود.
تشخیص اوتیسم در کودکان از طریق حرکت چشم یکی از روشهای نوین و مبتنی بر علوم اعصاب و فناوریهای تصویربرداری است. تحقیقات نشان داده است که کودکان مبتلا به اوتیسم الگوهای غیرمعمولی در ردیابی چشم و تمرکز بصری دارند.
هدف ردیابهای چشم، ثبت 3 دسته اصلی از حرکات چشم است: (1) تثبیت ، (2) ساکاد و (3) پلک زدن. تثبیت لحظه کوتاهی است که هنگام مکث نگاه به یک شی رخ می دهد تا مغز بتواند فرآیند ادراک را انجام دهد. میانگین مدت تثبیت معمولاً از 150 میلیثانیه تا 300 میلیثانیه متغیر است . با این حال، مدت زمان تثبیت به زمینه بستگی دارد. مدت زمان تثبیتهای ما زمانی که در حال مطالعه روی کاغذ (230 میلیثانیه) یا روی صفحه (553 میلیثانیه) هستیم ، یا زمانی که در حال تماشای یک صحنه طبیعتگرایانه در رایانه (330 میلیثانیه) هستیم، متفاوت است . علاوه بر این، درک دقیق نیاز به اسکن مداوم جسم با حرکات سریع چشم دارد که به آن ساکاد می گویند. ساکادها شامل پرش های سریع و بالستیک هستند که هر کدام حدود 30-120 میلی ثانیه طول می کشد . از سوی دیگر، پلک زدن اغلب نشانه آن است که سیستم مسیر نگرش چشم را از دست داده است. مسیرهای اسکن ردیابی چشم معمولاً به عنوان وسیله ای عملی برای به تصویر کشیدن رفتار نگاه به شیوه ای بصری استفاده می شود. یک مسیر اسکن دنباله ای از تثبیت ها و ساکادهای متوالی را به عنوان ردیابی در زمان و مکان نشان می دهد.
روش تشخیص این اختلال از طریق بررسی حرکات چشم به این صورت است که :
۱. اساس علمی روش حرکت چشم در تشخیص اوتیسم
کودکان اوتیستیک نسبت به کودکان نوروتیپیک (عادی) نگاه متفاوتی به محیط دارند.
این کودکان کمتر به چهرهها و احساسات انسانی توجه میکنند و بیشتر روی اشیای غیرزنده تمرکز دارند.
آنها در هنگام تماشای ویدئوهای اجتماعی، کمتر به چشمها نگاه میکنند و بیشتر به دهان یا پسزمینه توجه دارند.
سرعت و مسیر حرکات ساکادی (حرکتهای سریع چشم بین نقاط مختلف) در آنها غیرمعمول است.
۲. ابزارهای مورد استفاده برای ارزیابی حرکت چشم
ردیاب چشم (Eye Tracker): دستگاههایی که با استفاده از فناوری مادون قرمز، مسیر و نقاط تمرکز چشم را ثبت میکنند.
نرمافزارهای تحلیل داده: این نرمافزارها بررسی میکنند که کودک بیشتر به کجا نگاه کرده و چگونه چشم خود را حرکت داده است.
آزمایشهای ویدیویی: نمایش تصاویر و فیلمهای خاصی برای تحلیل پاسخ بصری کودک.
۳. مراحل تشخیص اوتیسم از طریق حرکت چشم
الف) انجام تستهای ردیابی چشم ، کودک در مقابل یک صفحه نمایش قرار میگیرد.
دوربینی که ردیاب چشم دارد، حرکات چشم را ثبت میکند.
کودک باید به تصاویر یا ویدئوهای خاصی نگاه کند.
ب) تحلیل الگوی نگاه کودک ، مقایسه با الگوهای استاندارد: بررسی میشود که آیا نگاه کودک الگوی معمولی دارد یا نه.
تشخیص میزان تمرکز روی چهرهها: کودکان اوتیستیک معمولاً کمتر به چشمها نگاه میکنند.
سرعت حرکت ساکادی: تفاوت در سرعت و مسیر حرکت چشم بررسی میشود.
ج) ارزیابی همراه با دیگر روشهای تشخیصی
تست حرکت چشم معمولاً به تنهایی کافی نیست و همراه با روشهای دیگر مانند:
مصاحبه با والدین (ADOS, ADI-R)
آزمونهای رفتاری و شناختی
تصویربرداری مغزی (fMRI, EEG)
در بررسی حرکات چشم برای تشخیص اوتیسم، چندین الگوی غیرمعمول مشاهده میشود که میتواند نشاندهنده این اختلال باشد. اگر فردی این ویژگیها را داشته باشد، احتمال ابتلا به اوتیسم وجود دارد:
۱. کاهش توجه به چهرهها و احساسات انسانی
کودکان نوروتیپیک (عادی) معمولاً بیشتر به چشمها و چهرهها توجه میکنند.
کودکان اوتیستیک کمتر به چشمها نگاه میکنند و بیشتر به دهان، پسزمینه، یا اشیای غیرمرتبط توجه دارند.
۲. الگوی غیرطبیعی حرکت چشم (ساکادها)
حرکتهای چشم غیرمعمول در کودکان اوتیستیک شامل:
حرکات چشم کندتر یا سریعتر از حد معمول
تغییر ناگهانی مسیر نگاه به سمت نقاط غیرمهم
مشکل در پیگیری یک شیء متحرک
نگاه کردن به قسمتهای غیرمرتبط در یک تصویر یا صحنه
۳. تمرکز بیش از حد روی جزئیات به جای کلیت تصویر
ویژگی بارز در اوتیسم: تمرکز بر الگوها، اشکال، یا قسمتهای کوچک تصاویر ، به جای تمرکز روی چهرهی یک شخص، ممکن است روی لباس، عینک، یا پسزمینه توجه کنند.
هنگام دیدن یک صحنه اجتماعی، به جای افراد، روی اشیاء محیطی (مثل چراغ یا در و دیوار) تمرکز دارند.
۴. تأخیر در تغییر توجه بین دو شیء یا دو نقطه
افراد اوتیستیک معمولاً مشکل دارند که سریع نگاه خود را از یک نقطه به نقطه دیگر تغییر دهند. ممکن است مدت طولانیتری روی یک نقطه تمرکز کنند و نتوانند بهراحتی نگاهشان را تغییر دهند.
یا نگاهشان بین نقاط مختلف بیهدف و پراکنده باشد.
۵. کاهش تطابق بین حرکت چشم و پردازش احساسی
در هنگام مشاهده تصاویر احساسی (مثل چهره غمگین یا شاد)، کودکان اوتیستیک واکنش متفاوتی نشان میدهند: توجه کمتری به چشمهای فرد در تصویر دارند.
ممکن است درک احساسی کاهشیافتهای نسبت به حالات چهره داشته باشند.
یکی از فناوری های نوین در این حوزه ،تشخیص زودهنگام اوتیسم با دستگاه ردیابی چشم مبتنی بر تبلت است.
دستگاهی مبتنی بر تبلت که حرکات چشم کودکان حین تماشای ویدئو را ردیابی میکند، میتواند به تشخیص سریعتر اوتیسم کمک کند. این ابزار حرکات چشم را با سرعت ۱۲۰ بار در ثانیه کنترل میکند و نتایج آزمایش تنها ظرف ۳۰ دقیقه در دسترس است.
استفاده از بینایی ماشین برای تشخیص اوتیسم یک رویکرد نوین و پیشرفته در علوم پزشکی و هوش مصنوعی است که از الگوریتمهای یادگیری ماشین و پردازش تصویر برای تحلیل رفتارهای بصری و تشخیص اوتیسم استفاده میکند. این روش مبتنی بر تحلیل حرکات چشم، حالات چهره و تعاملات اجتماعی کودک است.
روش های استفاده از بینایی ماشین به شرح زیر است :
۱. تحلیل حرکات چشم با ردیابی چشمی (Eye Tracking)
چگونه کار میکند؟
کودکان فیلمها یا تصاویر اجتماعی (مثل چهرههای افراد) را مشاهده میکنند.
سیستم ردیاب چشم با بینایی ماشین مسیر نگاه و میزان تمرکز بر بخشهای مختلف تصویر را تحلیل میکند.
کودکان اوتیستیک معمولاً توجه کمتری به چهرهها، چشمها و حالات احساسی دارند و بیشتر روی اشیای پسزمینه تمرکز میکنند.
مثال تحقیقاتی:در یک مطالعه، الگوریتم یادگیری عمیق با دقت بالایی توانست الگوی نگاه کودکان اوتیستیک را شناسایی کند.
این روش میتواند برای غربالگری زودهنگام اوتیسم در سنین پایین (۶ ماهگی به بعد) مورد استفاده قرار گیرد.
۲. تحلیل حرکات بدن و حالات چهره با پردازش تصویر
چگونه کار میکند؟
از ویدئوهای کودکان در حال تعامل با والدین یا دیگران استفاده میشود.
سیستمهای بینایی ماشین حالات چهره، حرکات دست، بدن و میزان تماس چشمی را ارزیابی میکنند.
کودکان اوتیستیک معمولاً ارتباط چشمی کمتر، حرکات تکراری، و تنوع کمتر در حالات چهره دارند.
مثال تحقیقاتی:در تحقیقی با استفاده از شبکههای عصبی کانولوشنی (CNN)، تحلیل حالات چهره کودکان توانست با دقت بیش از ۹۰٪ اوتیسم را تشخیص دهد.
۳. تحلیل گفتار و تعاملات اجتماعی
چگونه کار میکند؟
الگوریتمهای پردازش گفتار صدای کودکان را تحلیل میکنند.
ویژگیهایی مثل لحن یکنواخت، مکثهای طولانی، و تغییرات غیرمعمول در شدت صدا بررسی میشود.
ترکیب این تحلیل با پردازش ویدئویی میتواند دقت تشخیص را بالا ببرد.
مثال تحقیقاتی:ترکیب پردازش تصویر و گفتار با استفاده از مدلهای چندوجهی (Multimodal AI)، توانست اوتیسم را با دقت بیش از ۸۵٪ تشخیص دهد.
به دلیل هزینه های بالا برای توسعه و پیاده سازی سیستم های دقیق ، نیاز به دادههای زیاد و متنوع برای آموزش دقیق مدلها و امکان تفاوتهای فردی که ممکن است در تحلیل الگوریتمها مشکل ایجاد کند ، استفاده از بینایی ماشین برای تشخیص اوتیسم هنوز با چالش هایی مواجه هست اما می توان در آینده نه چندان دور به عنوان یک ابزار استاندارد برای تشخیص اوتیسم مورد استفاده قرار گیرد.
References :
1)https://www.mdpi.com/2079-9292/11/4/530
2)https://www.sciencedirect.com/science/article/abs/pii/S1750946723001289
4)https://psychiatryonline.org/doi/10.1176/appi.pn.2023.11.11.19