بر اساس مطالعه جدید دانشکده پزشکی استنفورد،ساختار مغز پسران و دختران مبتلا به اٌتیسم متفاوت است.

  1. خانه
  2. مقالات
  3. بر اساس مطالعه جدید دانشکده پزشکی استنفورد،ساختار مغز پسران و دختران مبتلا به اٌتیسم متفاوت است.

February 2022 (بهمن 1400)

بر اساس مطالعه جدید دانشکده پزشکی استنفورد، ساختار مغز پسران و دختران مبتلا به اوتیسم متفاوت است.

این تفاوتها توسط تجزیه و تحلیل صدها اسکن مغز با روش هوش مصنوعی مشخص شد که مختص اتیسم بوده و درکودکان غیر مبتلا مشاهده نمیشود. این تحقیق به توضیح اینکه چرا علایم اوتیسم در دو جنس متفاوت است کمک میکند و ممکن است راه را برای تشخیص بهتر اختلال طیف اٌتیسم در دختران هموار سازد.

اٌتیسم، اختلال رشدی با طیف متفاوت از شدت علایم میباشد. کودکان مبتلا دارای اختلالات ارتباطی و اجتماعی هستند و دارای علایق محدودی بوده و رفتارهای تکراری از خود نشان میدهند. توصیف اولیه اٌتیسم که در سال1943 توسط دکتر لئو کانر منتشر شد، عمدتا در پسران مبتلا بود و با توجه به اینکه این طیف اختلال در پسران چهار برابر بیشتر است غالب تحقیقات در این زمینه در جنس مذکر انجام یافته است.

نویسنده اصلی این مطالعه، دکترKaustubh Supekar  استادیار روانپزشکی بالینی و علوم رفتاری، اظهار میدارد:.” وقتی در توصیف بیماریbias  وجود داشته باشد، روش های تشخیصی نیز تحت تاثیر قرار خواهند گرفت.”

نویسنده اول این مطالعه دکتر  Vinod Menonاستاد روانپزشکی و علوم رفتاری و دکترRacheal. L   WalterL Nicolas  اظهار میدارند: “ما تفاوت های قابل توجهی را بین ساختار مغز پسران و دختران مبتلا به اوتیسم شناسایی نمودیم و پیش بینی های فردی علایم بالینی را در دختران بدست آوردیم. در ادامه اضافه میکنند که ما میدانیم که مخفی بودن علایم یک چالش بزرگ در تشخیص اٌتیسم در دختران میباشد که منجر به تأخیر در تشخیص و درمان میگردد.”

به گفته محققین، دختران مبتلا به اٌتیسم عموما رفتارهای تکراری آشکارکمتری در مقایسه با پسران مبتلا دارند که ممکن است به تأخیر در تشخیص منجرگردد.

دکترLawrence Fung  استادیار روانپزشکی و علوم رفتاری، اظهار میدارد که دانستن این موضوع که زنان و مردان از نظر رفتاری و از لحاظ عصبی رفتار یکسانی ندارند، کاملا قابل قبول میباشد.

دکتر Fung که افراد مبتلا به اٌتیسم از جمله دختران و زنانی که تاخیر در تشخیص داشته اند را درمان میکند، خاطر نشان میکندکه بسیاری از  روش های درمانی اٌتیسم در سال های پیش دبستانی که مراکز حرکتی و گفتاری مغز در حال رشد هستند، بهترین نتیجه را دارند و اگر مداخلات درمانی را بتوان در زمان مناسب انجام داد تفاوت فاحشی در نتیجه خواهیم داشت به عنوان مثال کودکان در طیف اٌتیسم که مداخله گفتاری اولیه دریافت میکنند شانس بیشتری برای رشد گفتاری مانند دیگران خواهند داشت و اگر کودکی نتواند به خوبی منظور خود را بیان نماید در بسیاری از زمینه ها عقب میماند، بنابراین اگر این اختلال زود تشخیص داده نشود عواقب آن واقعا جدی خواهد بود.

روش های آماری جدید تفاوت ها را نمایان مینماید

در این مطالعه، اسکن های مغزی 773 کودک مبتلا به اٌتیسم شامل 637 پسر و 136 دختر به روش functional magnetic resonance مورد تجزیه و تحلیل قرار گرفت. محققین اذعان میدارند که جمع آوری داده ها از دختران به تعداد کافی، در این مطالعه چالش برانگیز بوده و دلیل آن تعداد کم دختران بطور کلی در تحقیقات اٌتیسم بوده است. لذا گروه تحقیقاتی از داده های جمع آوری شده در استنفورد و همچنین داده ها و اسکن های مغزی از مراکز تحقیقاتی در سراسر جهان استفاده نمودند. از طرفی برتری تعداد پسران نیز منجر به چالش آماری میگشت، زیرا روش های آماری استاندارد که جهت یافتن تفاوت بین گروه ها استفاده میشود، مستلزم آن است که اندازه گروه ها ی مورد مقایسه تقریبا برابر باشند.

محقق اصلی در این تحقیق میگوید: « هر بار سعی میکردیم تفاوتها را با روش سنتی آماری شناسایی کنیم، الگوریتم به ما نشان می داد که اسکن مغزی مورد بررسی، مربوط به جنس مذکر مبتلا به اٌتیسم است و قادر به تمیز بین مردان و زنان مبتلا به اٌتیسم نبود.

آنها این مشکل را با آقای دکتر Tengyu Ma استادیار علوم کامپیوتر و آمار دانشگاه استنفورد درمیان گذاشتند، ایشان روشی را ابداع نموده بودند که میتوانست بطور قابل اعتمادی مجموعه داده های پیچیده مانند اسکن مغز را در گروه هایی با اندازه های متفاوت مقایسه نماید و این تکنیک جدید مسیر را برای این مطالعه هموار نمود.

محقققان با استفاده از اسکن مغزی کودکان مبتلا به اٌتیسم، الگوریتمی را تهیه نمودند که میتواند بین پسران و دختران با دقت 86%  تمایز قائل شود. و هنگامی که الگوریتم بر روی  95  اسکن مغزی کودکانی که اٌتیسم آنها تأیید شده و جنسیت آنها مشخص نشده بود اعمال گشت، با همان دقت قادر به افتراق دختران از پسران بود.

محققین همچنین الگوریتم بدست آمده را بر روی 976 اسکن مغز دختران و پسران که مبتلا به اٌتیسم نبودند آزمایش نمودند، الگوریتم قادر به تمیز جنسیتی در این موارد نبود و این یافته تأیید میکندکه تفاوت های جنسیتی که دانشمندان یافته اند مختص به اٌتیسم است.

هوش مصنوعی

نمای کلی و شماتیک چارچوب هوش مصنوعی قابل توضیح چند جزئی (XAI) برای کشف الگوهای نوروبیولوژیکی که بین زنان و مردان مبتلا به اختلال طیف اتیسم (ASD) تمایز قائل می‌شود و شدت علایم بالینی را پیش‌بینی می‌کند.

 در میان کودکان مبتلا به اٌتیسم، دختران واجد الگوهای ارتباطی متفاوتی نسبت به پسران در چندین مرکز مغزی از جمله مراکز حرکتی، گفتاری  و توجه فضایی بصری داشتند.

بیشترین تفاوت در دو جنس، در نواحی حرکتی از جمله قشر حرکتی اصلی اولیه و ناحیه حرکتی مکمل، قشر پس سری جداری و جانبی و شیار میانی و فوقانی قشر گیجگاهی بود.

در دختران مبتلا به اٌتیسم، تفاوت در مراکز حرکتی با شدت علایم حرکتی در آنها مرتبط بود به این معنی که دخترانی که الگوهای مغزی مشابه پسران مبتلا به اٌتیسم داشتند، علایم حرکتی در انها بارزتر بود.

محققین همچنین دریافتند که مناطق گفتاری در مغز، در بین دختران و پسران مبتلا به اٌتیسم متفاوت است و آنها خاطر نشان میکنند که در مطالعات قبلی هم، اختلالات گفتاری در پسران بیشتر و شدیدتر بوده است.

به گفته محققان، در مجموع این یافته ها، میتواند جهت ارتقا بخشیدن در تشخیص و درمان به موقع دختران مبتلا به اٌتیسم در آینده مورد استفاده قرار گیرد.

محقق اصلی در این مطالعه اذعان میدارد که ممکن است در مورد دختران مبتلا به اٌتیسم نیاز به آزمایش وبررسی های متفاوتی در مقایسه با پسران باشد. و الگوریتم های  هوش مصنوعی که در این تحقیق بدست آمده ممکن است در بهبود تشخیص اٌتیسم کمک نموده  و متعاقب آن درمان اوتیسم و مداخلات درمانی در آنها زودتر آغاز گردد.

دیگر  مراکز و همکاران این مطالعه در دانشگاه استنفورد عبارتند از:

Scientific data analyst Carlo de los Angeles; senior research scientist Srikanth Ryali, PhD; and graduate student Kaidi Cao. Co-authors include members of Stanford’s Maternal and Child Health Research Institute, Stanford Bio-X, the Stanford Wu Tsai Neurosciences Institute and the Stanford Wu Tsai Human Performance Alliance, and the Stanford Institute for Human-Centered Artificial Intelligence.

مترجم: دکتر هایده حائری

منبع:

Journal Reference:

Kaustubh Supekar, Carlo de los Angeles, Srikanth Ryali, Kaidi Cao, Tengyu Ma, Vinod Menon. Deep learning identifies robust gender differences in functional brain organization and their dissociable links to clinical symptoms in autism. The British Journal of Psychiatry, 2022; 1 DOI: 10.1192/bjp.2022.13

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.

فهرست
موسسه گنجینه
ارسال پیام از واتس آپ