«جان گیلمور» (John Gilmore)، استاد روانشناسی دانشگاه کارولینای شمالی و از نویسندگان این پژوهش گفت: شاید این پیش‌بینی بتواند به شناسایی دقیق کودکانی که پس از تولد، رشد شناختی مغز آنها با سرعت کمتری صورت می‌گیرد، کمک کند. روش جدید ما می‌تواند با شناسایی این مشکل در کودکان، به بهبود آنها کمک کند. برای مثال، با این روش می‌توان مشکل کودکان نابالغی را که در معرض چنین عارضه‌ای قرار دارند، شناسایی کرد. در این روش که مبتنی بر هوش مصنوعی است، برای بررسی اتصالات موجود در ماده سفید مغز و پیش‌بینی پیامدهای رشد شناختی، از فناوری یادگیری ماشینی استفاده می‌شود. هدف پژوهشگران این است که با این بررسی، نشانگرهای زیستی برای نشان دادن پیامدهای رشد ضعیف شناختی و بیماری‌هایی مانند اوتیسم و اسکیزوفرنی پیدا کنند. پژوهشگران در آزمایش خود، نتایجی که ابتدا به دست آورده بودند، روی نوزادان تازه بالغ بررسی کردند. گیلمور افزود: پژوهش ما نشان می‌دهد که شبکه موجود در ماده سفید مغز، می‌تواند نشانگر زیستی مفیدی برای بررسی باشد. ما توانستیم این نتایج را روی تعدادی نوزاد آزمایش کنیم تا شواهد محکمی در این مورد به دست بیاوریم.

اخبار مرتبط