- 15:10Lobbyisten gelinkt aan Donald Trump betaalden miljoenen door de armste landen ter wereld
- 14:23Onder koninklijk leiderschap bevestigt Marokko in Dakar zijn onwrikbare toewijding aan Al-Quds
- 14:03Nvidia passeert grens van $ 4 biljoen, gedreven door explosie van kunstmatige intelligentie
- 13:50Donald Trump benoemt Sean Duffy tot waarnemend NASA-directeur
- 13:05Nederland redt Damen Naval met overbruggingslening van € 270 miljoen: media
- 12:22Luchtvaartindustrie: Embraer gaat een nieuwe fase in van samenwerking met Marokko
- 12:00Washington zou migranten hebben aangeboden die uit de Verenigde Staten zijn uitgezet naar vijf Afrikaanse landen
- 11:28Een nieuw wetenschappelijk partnerschap tussen Marokko en de Canarische Eilanden ter bevordering van onderzoek en innovatie
- 11:11Marokko en de FAO versterken samenwerking ter ondersteuning van kleinschalige visserij
Volg ons op Facebook
Kunstmatige intelligentie detecteert autisme via handbewegingen met 89% nauwkeurigheid
Een belangrijke wetenschappelijke doorbraak zou de manier waarop autisme wordt gediagnosticeerd, kunnen veranderen. Volgens een recent onderzoek van onderzoekers aan de Universiteit van York in het Verenigd Koninkrijk kan kunstmatige intelligentie nu tekenen van autisme detecteren aan de hand van eenvoudige handbewegingen, met een nauwkeurigheid van maar liefst 89%.
Deze ontdekking is gebaseerd op een vernieuwend idee: de meest alledaagse gebaren, zoals het vastpakken van een voorwerp tussen duim en wijsvinger, kunnen subtiele aanwijzingen geven over de werking van de hersenen. In het onderzoek werd het motorische gedrag van 59 jongvolwassenen geanalyseerd. Deze waren uitgerust met sensoren aan hun vingers, terwijl ze rechthoekige voorwerpen vastpakten. Met behulp van bewegingsregistratietechnieken en algoritmen voor machinaal leren konden de onderzoekers meer dan twaalf kenmerken met betrekking tot motorische controle achterhalen, waaronder snelheid, handbeweging en het moment waarop de grijper zijn maximale opening bereikt.
De verzamelde gegevens werden vervolgens ingevoerd in vijf machine learning-modellen. Zelfs het slechtst presterende model behaalde een nauwkeurigheid van meer dan 84%, wat het opmerkelijke potentieel van deze aanpak bevestigt.
Wat deze methode bijzonder maakt, is de eenvoud en toegankelijkheid. In tegenstelling tot dure hersenscans of ingewikkelde diagnostische interviews is deze technologie gebaseerd op een natuurlijke taak die iedereen elke dag uitvoert. Door slechts twee sensoren en krachtige algoritmes te combineren, zou het in de toekomst een snellere en goedkopere manier kunnen bieden om autisme vroegtijdig te diagnosticeren.
Er zijn echter nog steeds enkele uitdagingen. Het onderzoek richtte zich op deelnemers met een gemiddeld IQ, en de effectiviteit van deze methode bij kinderen – de belangrijkste doelgroep voor vroege screening – moet nog worden beoordeeld. De onderzoekers willen ook onderzoeken of deze aanpak het mogelijk maakt onderscheid te maken tussen verschillende autismeprofielen en de toepasbaarheid ervan in de praktijk, bijvoorbeeld op school of in klinieken, te valideren.
Deze vooruitgang opent de weg voor een revolutie op het gebied van de diagnose van neurologische ontwikkelingsstoornissen, door technologische vooruitgang te combineren met diepgaand inzicht in menselijk gedrag.