في السنوات الأخيرة، أصبح تعقب حركة العين (Eye-Tracking) وسيلة واعدة لفحص اضطرابات التواصل، مثل اضطراب طيف التوحد (Autism Spectrum Disorder - ASD). حيث تتم ملاحظة اختلافات منهجية في توزيع الانتباه وسلوكيات إعادة الزيارة أثناء المهام التفاعلية اجتماعيًا. ومع ذلك، كانت الطرق الحسابية القائمة غالبًا ما تركز على مسارات النظرة الفردية، مما يقيّد نماذجها ويدعس على الديناميات الزمنية قصيرة المدى، مما يفتح المجال لنموذج يولي أهمية للروابط طويلة المدى.

لهذا السبب، قام الباحثون بتطوير الشبكة الجديدة AOI-Net، التي تعتمد على التركيز على مناطق الاهتمام (Areas of Interest - AOIs) المرتبطة بالوجه، للمساعدة في تعقب حركات العين بشكل أكثر دقة. هذه الشبكة ليست فقط قادرة على تحسين النموذج الشامل بعيد المدى، بل أيضًا تستخدم آلية تنظيم داخلية تسمح بالتفاعل التلقائي بين الديناميات الزمنية والتوزيع الهيكلي.

في التجارب التي أجريت على قاعدة بيانات فريدة واسعة النطاق تضم أكثر من 1300 مشارك، أثبت AOI-Net تفوقه على الأساليب التقليدية، مما يفتح آفاقًا جديدة لفحص ASD بطرق متقدمة وعملية. وبهذا، يوفر هذا الإطار الجديد أساسًا صالحًا لتقنيات الذكاء الاصطناعي في مجال الرعاية الصحية، مما يعزز من فهم سلوكيات العين ويُمكن من اتخاذ قرارات صائبة في التشخيص.

إذا كنت مهتمًا بتفاصيل أكثر حول هذا البحث، فإن التعليمات البرمجية متاحة عبر GitHub لمزيد من الاستكشاف والتطوير. للأسف، يمكن أن تكون هناك فجوات ملحوظة في توزيع البيانات ضمن مجموعات البيانات السريرية، مما يتطلب استخدام استراتيجيات تعلم فعّالة للتعامل مع هذا التحدي.

ما رأيكم في هذا التطور القوي في الذكاء الاصطناعي؟ وهل ترون أنه يمكن أن يُحدث تحولًا في معالجة اضطرابات مثل طيف التوحد؟ شاركونا في التعليقات!