השימוש במבחנים ממוחשבים, ובפרט מבחני CPT, בתהליך האבחון של קשיי קשב וריכוז נמצא במחלוקת, כאשר רבים מטילים ספק בספציפיות, ברגישות ובתיקוף האקולוגי שלהם. כדי להתמודד עם דיון זה, סלובין ועמיתיו יישמו מודל של למידת מכונה באמצעות מוקסו כדי לנבא קשיי קשב וריכוז, והשוו אותו למודלי בסיס שהשתמשו בנתוני מידע קליניים בלבד.
החוקרים השתמשו במאגר נתוני הערכות שנאספו בעבר ובשיטות דגימה חוזרת שנועדו להעריך את המהימנות של הערכות סטטיסטיות המבוססות על ביצועי מוקסו של 458 ילדים (213 עם ADHD ו-245 עם התפתחות תקינה). הממצאים מצביעים על כך שמבדקים שהיו בשימוש מוקסו השיגו ביצועים גבוהים ב-34% מהמודל הבסיסי הטוב ביותר. הממצאים מדגישים את השימוש במוקסו ככלי תמיכה יעיל באבחון ADHD.
המחקר שכותרתו "מודל חיזוי מבוסס מכונה של ADHD באמצעות נתוני CPT" פורסם בכתב העת Frontiers in Human Neuroscience.
ממצאי מפתח במחקר:
- ציון מוקסו מורכב מקשב, תזמון, היפראקטיביות ואימפולסיביות, יחד עם משתני בקרה, הצליח לנבא במדויק קשיי קשב וריכוז.
- מודל זה באמצעות שימוש במוקסו הניב דיוק של 87%, רגישות של 89% וספציפיות של 84%.
- מודל זה השיג ביצועים גבוהים ב-34% ממודל הבסיס בעל הביצועים הטובים ביותר.
מסקנות תוצאות מודל אבחון זה של למידת מכונה מצביעות על כך ששילוב מוקסו בתהליך האבחון יכול להוביל לאבחון מדויק יותר של קשיי קשב וריכוז, יותר מאשר נתונים קליניים בלבד. מוקסו מציע כלי מהיר, חסכוני ומדויק לתמיכה בתהליך קבלת החלטות אבחוניות.
לתקציר וקישור לפרסום בדף מחקר ופרסומים שלנו.
מקור: Slobodin, O., Yahav, I., & Berger, I. (2020). A Machine-Based Prediction Model of ADHD Using CPT Data. Frontiers in Human Neuroscience, 14.
לתוכן נוסף על קשיי קשב וריכוז, פרופיל קשב, מחקרים חדשים ועוד, לחצו כאן כדי לחזור לדף הבית של בלוג מוקסו.
