محققان از اسکنهای مغزی و هوش مصنوعی برای مشخص کردن تفاوتها در چگونگی روند هماهنگی نواحی مختلف مغزی در نوزاد، استفاده کردهاند. این تصاویر به آنها این فرصت را میدهد تا دقیقاْ پیشبینی کنند که کدام اطفال در دورهی نوپایی خود، اوتیسم (ASD) را در خود توسعه میدهند.
این نخستین بار است که تنها از یک اسکن برای تثبیت شرایط در کودکانی که در معرض خطر هستند، برای یافتن فرصتهایی برای دخالت زودتر و پیدا کردن راهی برای درک بهتر چگونگی گسترش مشخصههای ASD، استفاده شده است.
بهتازگی تحقیقی توسط دانشمندانی از دانشگاههای کارولینا و واشنگتن و بر اساس پژوهش پیشین آنها که دو اسکن را، یکی در شش ماهگی و دیگری در دوازده ماهگی برای انجام پیشبینی مشابهی استفاده کرده بودند، انجام شده است.
این روش نه تنها تعداد اسکنهایی را که نیاز به داوری دارند، کاهش دادهاست؛ بلکه میتواند با دقت بیش از ۹۶ درصد در مقایسه با دقت ۸۱ درصدی روش قبلی، اختلال نوزادان ششماههای را که در دو سالگی مبتلا شناخته خواهد شد، پیشبینی کند.
ASD یک اصطلاح مادر است که برای توصیف دامنهی نقایص عملکردهای اجتماعی و ارتباطی به کار میرود، این دامنه اغلب با عادات تکرارشونده و دقیق جمعآوری میشود.
برآوردها از میزان ابتلا به بیماری در سنین پایین متفاوت است و در این میان حتی گزارشهایی دیده میشود مبنی بر اینکه از هر ۶۸ کودک زیر هشت سال، یکیشان در محدودهی این اختلالات قرار میگیرد.
از طرفی هم بعید بهنظر میرسد که فقط یک علت خاص در صفت مشخصهی (ASD) دخیل باشد. در واقع عواملی مثل تعدد ژنها، اختلالات سوختوساز بدن و جابجاییهای عصبی در این بیماری دخالت دارند. ولی هرقدر هم که دلایل بنیادی وجود داشته باشند، ما تا به حال فقط به یک روش تشخیص واضح برای زمانی که کودک معمولاْ در حوالی دو سالگی شروع به بروز عادات پیچیدهتر اجتماعی میکند، دسترسی داشتهایم. جان.آر پروئت محقق دانشگاه واشنگتن، مدرسهی پزشکی در سنت لوییس میگوید:
هیچ ویژگی رفتاری مشخصی برای کمک به تعیین تقدم اوتیسم نسبت به پیشروی علایمی که در طول سال دوم حیات ظهور میکنند، وجود ندارد.
محققان از تصویربرداری تشدید مغناطیسی یا MRI برای تحلیل فعالیت عصبی ۲۳۰ ناحیهی مغز در ۵۹ نوزادی که حداقل یک خواهر یا برادر مبتلا به (ASD) دارند، بهره گرفتند.
آنها بیشتر از اینکه به دنبال جستجوی تفاوتها در استخوانبندی بدن باشند، چگونگی اتصال و هماهنگی نواحی متفاوت با یکدیگر را مورد بررسی قرار دادند.
هماهنگی این مناطق در عادات مرتبط با اوتیسم مانند زبان، عادات تکرارشونده و وظایف اجتماعی بسیار سخت تعیین شده بود. گروه تحقیق از بیش از ۲۶ هزار جفت ارتباط ممکن در نوزادان شش ماهه، ۹۷۴ جفت را شناسایی کردند که میتوانستند برای پیشبینی تشخیص در ۲۴ ماهگی استفاده شوند و در ادامه نیز این اطلاعات را به یک برنامهی یادگیری ماشینی دادند تا محاسبات لازم رو انجام دهد. نتایج به دست آمده بسیارقابل توجه بودند. روبرت امرسون محقق دانشگاه کالیفرنیا میگوید:
وقتی سیستم طبقهبندیکننده مشخص میکند که کودکی مبتلا به اوتیسم است، این تعیین همیشه صحیح خواهد بود. اما این طبقهبندیکننده دو کودک نیز در شناسایی از دست داده بود. آنها مبتلا به اوتیسم شده بودند؛ اما برنامهی کامپیوتری بر مبنای دادهای که در شش ماهگی به دست آورده بودیم، آن را به درستی پیشبینی نکرده بود.
نمونهی بزرگتر و دادهی بیشتر بیشک به تشخیص درست این شیوهی شناسایی در یک دورهی طولانی کمک خواهدکرد، این همان چیزی است که محققان به دنبال طرحریزی در آیندهی نزدیک هستند.
همچنین بعید است که یک آزمون واحد بتواند پایههای هر تشخیصی مبتنی بر احتمال بیشتر وقوع بیماری در آینده را شکل دهد، این آزمون میتواند یک بخش از پروفایلی باشد که در پی چندین مرحلهی ارزیابی بیماران یا افراد مشکوک به بیماری به دست میآید. امرسون میگوید:
من فکرمیکنم هیجانانگیزترین کاری که تا بهحال انجام شدهاست، این است که ما به جای استفاده از بخشی از اطلاعات برای این پیشبینیها، از تمام اطلاعات با یکدیگر استفاده کنیم.
اوتیسم درمان قطعی ندارد؛ اما پژوهش اخیر بر این نکته تاکید میکند که دخالت بهموقع با استفاده از روشهای درمانی ارائهشده بهمنظور کمک به بیمار در توسعهی ارتباطهای ضروری و مهارتهای اجتماعی، میتواند به کودک بیمار در مدیریت بهتر این چالش کمک کند. جوزف پیون، محقق دیگری از دانشگاه کالیفرنیا میگوید:
هر قدر که بتوانیم درک خود را از کارکرد مغز پیش از پدیدار شدن علایم بیماری بیشتر کنیم، برای کمک به کودکان و خانوادهشان آمادهتر خواهیم بود.
برای بسیاری از خانوادههایی که در معرض خطر داشتن کودکانی با ASD هستند، اعتقاد به این نکته ضروری است اگر بتوانند کودکان کمسنشان را با مهارتهای مورد نیاز برای مواجهه با شرایطشان آماده کنند، به منزلهی یک گام بزرگ و روبهجلو خواهد بود.