ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΑΥΤΙΣΜΟΣ - Γραφείο της Εκκλησίας της Ελλάδος στις Βρυξέλλες

άρθρο του Αρχ. π. Απόστολου Καβαλιώτη, Δ/ντη του Γραφείου

Α. Διαταραχή φάσματος αυτισμού: δυσκολίες διάγνωσης και διαχείρισης

Η διαταραχή του φάσματος αυτισμού είναι η πιο συχνή νευροαναπτυξιακή διαταραχή με τεράστιο επιπολασμό, δηλαδή συχνότητα εμφάνισης, που μάλιστα αυξάνεται κάθε χρόνο και αναφέρεται ότι επηρεάζει 1 ανά 44 παιδιά. Έχει θεωρηθεί ψυχική διαταραχή, στη διάρκεια δε της τελευταίας δεκαετίας έχουν τοποθετηθεί στο παζλ της σχετιζόμενης αιτιολογίας πιθανές γενετικές και περιβαλλοντικές αιτίες, καθώς και επιγενετικές, μεταβολικές, ανοσολογικές και νευροφυσιολογικές ανισορροπίες. Μάλιστα οι βιολογικές αιτίες φαίνεται να κερδίζουν διαρκώς έδαφος. Σε κάθε περίπτωση πρέπει να θεωρούμε τη διαταραχή του φάσματος αυτισμού μια κατάσταση συμπεριφοράς με νοητικές επιπτώσεις, που συνήθως διαγιγνώσκεται από βλάβες στην κοινωνική επικοινωνία ή από την παρουσία περιορισμένων ή επαναλαμβανόμενων συμπεριφορών ή ενδιαφερόντων, αλλά και συνδυασμού τους. Για τη διάγνωση του αυτισμού έχουν αναπτυχθεί μέθοδοι κατά τις οποίες χρησιμοποιούνται συνεντεύξεις γονέων ή φροντιστών, παρατηρήσεις επάνω σε παιδιά ή και τα δύο, δηλαδή οι λεγόμενες «επικυρωμένες ψυχομετρικές κλίμακες». Φαίνεται ότι το πιο έγκυρο συμπέρασμα είναι αυτό το οποίο, βασισμένο στα δεδομένα της έρευνας, διατυπώνει ότι η αιτιολογία του αυτισμού είναι πολυπαραγοντική[1].

Επειδή η διαχείριση ενός προβλήματος ξεκινά από την διάγνωσή του, μπορεί να σημειωθεί ότι η ΔΑΦ, όπως θα αποκαλούμε στο εξής σε αυτή την ομιλία για λόγους συντομίας τη διαταραχή φάσματος αυτισμού, είναι δυνατόν να διαγνωστεί με ακρίβεια σε παιδιά από την ηλικία των δύο ετών. Ωστόσο η μέση ηλικία διάγνωσης τοποθετείται ουσιαστικά στα 3 με 6 έτη, διότι η πρωιμότερη αναγνώριση συνδέεται με μια σειρά δυσκολιών. Συγκεκριμένα οι γλωσσικές καθυστερήσεις και τα κοινωνικά ελλείμματα δεν μπορούν να εντοπιστούν έως ότου το παιδί αρχίσει να σχετίζεται με συνομηλίκους του στην προσχολική ηλικία. Επίσης, η εμφάνιση των συμπτωμάτων είναι πολύ περίπλοκη και ποικίλλει ανάλογα με την ηλικία. Παρόλα αυτά, και επειδή θεωρείται ότι η πρώιμη διάγνωση μπορεί να αποβεί προς όφελος των παιδιών με ΔΑΦ, τονίζεται η ανάγκη για αυστηρή παρακολούθηση ώστε να ανιχνεύονται κατά το δυνατόν αποκλίσεις από το τυπικό, ήδη από τη γέννηση του παιδιού. Στη συνέχεια εντοπίζονται συγκεκριμένα κλινικά χαρακτηριστικά, ενώ προτείνεται μετά από το δεύτερο αυτό στάδιο να ακολουθεί αξιολόγηση τριών φάσεων, ως εξής: σε πρώτη φάση ελέγχονται οι παρατηρήσεις των γονέων, ή διαπιστώνονται συγκεκριμένες εκδηλώσεις στην κοινωνική αλληλεπίδραση, την επικοινωνία και τη συμπεριφορά του παιδιού. Σε δεύτερη φάση πραγματοποιείται συνολική αξιολόγηση μετά από παρατήρηση της σημασίας και των συνεπειών των συμπεριφορικών και νευρολογικών εκδηλώσεων του παιδιού για την επικύρωση των ευρημάτων από τους ιατρούς που παρέπεμψαν το παιδί στον ειδικό ή των ανησυχιών των γονέων. Τέλος, σε τρίτη φάση καθορίζεται η οριστική διάγνωση της ΔΑΦ και περιγράφεται ο τύπος της. Πρόκειται σαφώς για μια απαιτητική διαδικασία, η οποία προϋποθέτει την αντιπαραβολή των πληροφοριών που παρέχονται από τους ειδικούς και τους γονείς με τις απαιτούμενες εξετάσεις αλλά και ο συσχετισμός όλων αυτών με τα κριτήρια του διαγνωστικού εργαλείου DSM έκδοσης 5, που θεωρείται επιστημονικώς έγκυρο[2].

Είναι σημαντικό να αναφερθεί ότι η ΔΑΦ μπορεί να μην εντοπίζεται πριν από την παιδική ή την εφηβική ηλικία, δηλαδή πριν οι γονείς και στη συνέχεια οι δάσκαλοι διαπιστώσουν συγκεκριμένα συμπτώματα. Δεν είναι σκοπός αυτής της ομιλίας να αναφερθεί λεπτομερώς σε αυτά, αλλά μόνο να δείξει στο τρέχον σημείο της ότι μπορούν να περάσουν αρκετά χαμένα χρόνια παρέμβασης πριν ανησυχήσουν οι γονείς του παιδιού ή οι εκπαιδευτικοί που το αναλαμβάνουν στο σχολείο. Οι γονείς οφείλουν να μιλούν τότε με τους ειδικούς για τις κοινωνικές δυσκολίες του παιδιού τους, συμπεριλαμβανομένων των προβλημάτων λεπτής επικοινωνίας που ενδεχομένως περιλαμβάνουν αδυναμίες κατανόησης του τόνου της φωνής, των εκφράσεων του προσώπου ή της γλώσσας του σώματος. Τα μεγαλύτερα παιδιά και οι έφηβοι ίσως έχουν πρόβλημα να κατανοήσουν σχήματα λόγου, χιούμορ ή σαρκασμού. Επίσης οι γονείς είναι πιθανόν να διαπιστώσουν ότι το παιδί τους έχει πρόβλημα να δημιουργήσει φιλίες με συνομηλίκους. Όλες αυτές είναι δυσκολίες που δεν αποκλείεται να ταλαιπωρούν έναν πάσχοντα από ΔΑΦ για χρόνια, και αποκτά μεγάλη σημασία να αναλογιστούμε ότι είναι ακόμα πιο δύσκολη η διάγνωση στην ενήλικη φάση της ζωής, διότι ορισμένα συμπτώματα συχνά επικαλύπτονται με αυτά άλλων διαταραχών ψυχικής υγείας, όπως η αγχώδης διαταραχή ή η διαταραχή ελλειμματικής προσοχής/υπερκινητικότητας (ΔΕΠΥ)[3]. Αυτό που χρειάζεται να τονισθεί είναι ότι η υποστήριξη της πρώιμης ανάπτυξης μπορεί να έχει σημαντικά αποτελέσματα και να βελτιώσει τις προοπτικές ζωής των παιδιών με ΔΑΦ, και για τον λόγο αυτό πρέπει να λαμβάνονται μέτρα για τον εντοπισμό των συμπτωμάτων όσο το δυνατόν νωρίτερα, προκειμένου να ξεκινήσει η κατάλληλη παρέμβαση. Καθώς οι βιοδείκτες της ΔΑΦ δεν έχουν ακόμη καθοριστεί, η διάγνωση εξακολουθεί να γίνεται με βάση τα συμπτώματα της συμπεριφοράς, όπως ήδη αναφέρθηκε. Να όμως μια πρόσθετη δυσκολία εδώ: συμπτώματα συνδεδεμένα με τον αυτισμό μπορούν να ανιχνεύονται σε διάφορες ομάδες παιδιών, όχι μόνο σε εκείνες που πληρούν τα διαγνωστικά κριτήρια για ΔΑΦ. Δηλαδή ακόμα και σε τυπικά αναπτυσσόμενα παιδιά αλλά και σε παιδιά με αναπτυξιακή καθυστέρηση-διανοητική αναπηρία. Με άλλα λόγια, είναι διαρκής η ανάγκη για καλύτερη κατανόηση προκειμένου να υποστηριχθεί πιο αποτελεσματικά η ανάπτυξη των μικρών παιδιών που διατρέχουν κίνδυνο ΔΑΦ[4].

Μετά την ανίχνευση και τη διάγνωση πρέπει ασφαλώς να ακολουθήσει η παρέμβαση. Μοντέλα παρέμβασης προτείνονται διαρκώς, μάλιστα ορισμένα από αυτά υποστηρίζουν την ανάγκη για ολοκληρωμένη παροχή πρώιμης φροντίδας στα αυτιστικά παιδιά υπό το πρίσμα των διαρκών αναγκών τους αλλά και των σχετικών νέων ευρημάτων της αναπτυξιακής έρευνας και της έρευνας παρέμβασης. Δηλαδή υποστηρίζεται ότι αντί για μια βραχυπρόθεσμη αντιδραστική φροντίδα πρέπει να εφαρμόζεται πρώιμο προληπτικό, τεκμηριωμένο, αναπτυξιακό και επεκτάσιμο πρόγραμμα υποστήριξης, που θα περιλαμβάνει όχι μόνο τα ίδια τα παιδιά αλλά και τις οικογένειές τους, χωρίς να παραγνωρίζεται η ανάγκη μετέπειτα επείγουσας φροντίδα όταν χρειαστεί. Μάλιστα προτείνεται να αξιοποιούνται κατά την παρέμβαση και οι ψηφιακές τεχνολογίες υγείας ως δυνητικοί διευκολυντές. Στόχος φυσικά της παρέμβασης είναι η βελτίωση των ικανοτήτων κοινωνικής επικοινωνίας αυτών των παιδιών, η διεύρυνση του εύρους και της ευελιξίας των ενδιαφερόντων τους και ο μετριασμός τυχόν αρνητικών επιπτώσεων αισθητηριακών δυσκολιών και περιορισμένων, επαναλαμβανόμενων συμπεριφορών στο παιδί και στην οικογενειακή του ευημερία[5]. Ας μας επιτραπεί εδώ να σημειώσουμε ότι σε παλαιότερη, εκτεταμένη εργασία του, ο ομιλών έχει αποδώσει μεγάλη σημασία στην τελευταία αυτή παράμετρο, εξετάζοντας το ζήτημα της ψυχικής ανθεκτικότητας των γονέων παιδιών με αυτισμό, σε μια προσπάθεια να διαπιστωθούν οι παράγοντες που την επηρεάζουν θετικά ή αρνητικά. Έχει διαπιστώσει ότι η οικογενειακή ευημερία εξαρτάται σημαντικά και από την αντοχή των γονέων, οι συμπεριφορές των οποίων επηρεάζονται σημαντικά από τα δίκτυα επίσημης και ανεπίσημης υποστήριξης που τους περιβάλλουν. Όσο πολυπαραγοντική δηλαδή είναι η αιτιολογία του αυτισμού τόσο πολυπαραγοντική είναι και η γενικότερη αντιμετώπισή του[6].

Φυσικά η παρέμβαση, όπως είναι γνωστό, δεν εξαλείφει τη ΔΑΦ, τουλάχιστον με τα δεδομένα της σημερινής κατάστασης και προόδου της ιατρικής, όμως στοχεύει τουλάχιστον στο να περιορίσει τα προβλήματα υγείας των παιδιών, καθώς αυτά συνδέονται με χαμηλότερη ποιότητα ζωής για εκείνα αλλά και με περισσότερα προβλήματα υγείας για τους γονείς μέσω πιθανών δευτερογενών επιπτώσεων. Διότι σε πολλές περιπτώσεις δεν αποτελεί ο προσανατολισμός στην αντιμετώπιση του ίδιου του αυτισμού μεμονωμένο μέλημα των ειδικών, καθώς υποχρεώνονται να σκεφτούν κάθε πιθανή περίπτωση συννοσηρότητας: για παράδειγμα, η βελτίωση των προβλημάτων υγείας, όπως οι διαταραχές ύπνου, μπορεί να βελτιώσει την ποιότητα ζωής και το ψυχοκοινωνικό στρες των γονέων και της οικογένειας. Η συμπεριφορά και τα ψυχιατρικά συμπτώματα των παιδιών μπορούν να μετριαστούν με διάφορους τρόπους. Επίσης, η ευερεθιστότητά τους μπορεί να μειωθεί χάρη σε προγράμματα εκπαίδευσης των γονέων. Ωστόσο η θεραπεία του άγχους των παιδιών με ΔΑΦ είναι κάπως αβέβαιη. Ας σημειωθεί ότι τυπικές θεραπείες με εκλεκτικούς αναστολείς επαναπρόσληψης σεροτονίνης, δηλαδή φαρμάκων που χρησιμοποιούνται ως αντικαταθλιπτικά για τη θεραπεία της μείζονος καταθλιπτικής διαταραχής και των διαταραχών άγχους, μπορούν να έχουν ποικίλα αποτελέσματα και ίσως κάνουν περισσότερο κακό παρά καλό. Αντιθέτως η γνωστική συμπεριφορική θεραπεία, δηλαδή η ψυχολογική θεραπεία που στηρίζεται σε επιστημονικές παραδοχές, φαίνεται να είναι αποτελεσματικότερη από τις τυπικές θεραπείες. Άλλα, ασφαλή φάρμακα, όπως η προπρανολόλη, καθώς και ορισμένες νέες μεθοδολογίες, όπως η διαδερμική ηλεκτρική νευροδιαμόρφωση έχουν δείξει επίσης υποσχόμενα αποτελέσματα στην αντιμετώπιση του άγχους. Άλλη παρέμβαση, αυτή της θεραπείας της διαταραχής ελλειμματικής προσοχής και υπερκινητικότητας, είναι πολύπλοκη, καθώς υπάρχει μεγαλύτερη επιβάρυνση με δυσμενείς επιπτώσεις όταν χρησιμοποιείται συνήθης διεγερτική φαρμακευτική αγωγή σε παιδιά με ΔΑΦ. Σε αυτές τις περιπτώσεις άλφα-αδρενεργικά φάρμακα μπορεί να αποτελούν καλύτερη επιλογή. Ακόμη, η αντιμετώπιση των διατροφικών ελλείψεων μπορεί να είναι απλή, ενώ η εφαρμογή διατροφικών αλλαγών μπορεί να περιπλέκεται εξαιτίας προβλημάτων συμπεριφοράς[7].

Μπορούν να μνημονευθούν αρκετές άλλες μορφές συννοσηρότητας με τη ΔΑΦ, όμως αρκούν όσα ειπώθηκαν για να γίνει κατανοητό ότι εκτός από τις δυσκολίες διάγνωσης είναι πολλές και οι δυσκολίες διαχείρισης, λόγω των παράλληλων προβλημάτων υγείας των παιδιών με αυτισμό αλλά και της ομοιότητας που μπορεί να χαρακτηρίζει συχνά τη συμπτωματολογία του. Αλλά ακόμα και αν δεν υπάρχουν όλα αυτά τα προβλήματα και η παρέμβαση αποσκοπεί στη διαχείριση της ΔΑΦ πιο στοχευμένα, δεν είναι καθόλου βέβαιο ότι τα πράγματα θα είναι εύκολα. Η επιστήμη έχει την τάση όχι μόνο να προοδεύει αλλά και να αμφισβητεί παραδοχές που έως πρόσφατα μπορούσαν να θεωρούνται ακλόνητες. Για παράδειγμα, ακόμα και αυτό που ήδη ακούσατε, ότι η πρωιμότητα την παρεμβάσεων είναι πλεονεκτική, έχει προσφάτως αμφισβητηθεί, τουλάχιστον συγκρινόμενη με τη λεγόμενη treatment as usual, ήτοι τη «συνήθη θεραπευτική μέθοδο». Ας διευκρινισθεί ότι η συνήθης μέθοδος περιλαμβάνει, όταν πρόκειται για τον αυτισμό, ειδικές θεραπείες που παρέχονται από παιδικές νευροψυχιατρικές υπηρεσίες, σε συνδυασμό με τη σχολική ένταξη, παρουσία ατομικού δάσκαλου υποστήριξης. Είναι δηλαδή ένας συνδυασμός ατομικής φροντίδας και ενταξιακής διαδικασίας[8]. Η αμφισβήτηση έχει προέλθει από τη διερεύνηση της αποτελεσματικότητας των πρώιμων παρεμβάσεων στη βελτίωση της γνωστικής ικανότητας, της γλώσσας και της προσαρμοστικής συμπεριφοράς παιδιών προσχολικής ηλικίας με ΔΑΦ. Ανάμεσα στα ευρήματά της περιλαμβάνονται τα εξής: οι πρώιμες παρεμβάσεις έχουν οδηγήσει σε θετικά αποτελέσματα ως προς τη βελτίωση της γνωστικής ικανότητας, τις δεξιότητες στην καθημερινή ζωή και τις κινητικές δεξιότητες. Ωστόσο όταν αποκλείστηκαν μελέτες με συγκεκριμένα κριτήρια, θετικά αποτελέσματα πρώιμων παρεμβάσεων φάνηκαν ότι παραμένουν μόνο για τις καθημερινές δεξιότητες διαβίωσης και τις κινητικές δεξιότητες. Αυτό σημαίνει ότι για τα εξαγόμενα συμπεράσματα σημασία έχει και η ακολουθούμενη μεθοδολογία, μεταξύ άλλων στην πτυχή της που αφορά στη μεγάλη μεταβλητότητα των χαρακτηριστικών των συμμετεχόντων αλλά και των παρεμβάσεων[9].

Β. Τεχνητή νοημοσύνη και διάγνωση / διαχείριση του αυτισμού: εισαγωγικά στοιχεία

Τα γενικά περί αυτισμού, που ακούστηκαν έως το σημείο αυτό, είχαν στόχο να επισημάνουν ορισμένες από τις σημαντικότερες δυσκολίες διάγνωσης και διαχείρισής του και όχι βεβαίως να πληροφορήσουν το αγαπητό κοινό για τον αυτισμό γενικότερα ή να αναφερθούν σε διεξοδική αντιμετώπισή του, παρά τα παραδείγματα που σημειώθηκαν. Αυτό που ενδιαφέρει τον ομιλούντα είναι να σχολιάσει με επιχειρήματα ότι σε μια τόσο δύσκολη κατάσταση είναι αναγκαίο, δεδομένης και της προόδου της τεχνολογίας, να εφαρμόζονται ρηξικέλευθες λύσεις, στην προκειμένη περίπτωση η επικουρία της τεχνητής νοημοσύνης. Χρειάζεται επομένως να δούμε εάν μέσω της τεχνητής νοημοσύνης είναι δυνατή η έγκυρη και έγκαιρη διάγνωση της ΔΑΦ, ακόμα δε περισσότερο αν η συγκεκριμένη τεχνολογία μπορεί να συμβάλει στη διαχείριση. Ο σεβασμός απέναντι στην επιστημονική κοινότητα προϋποθέτει στο σημείο αυτό την επισήμανση ότι τα ζητήματα αυτά έχουν απασχολήσει ήδη Έλληνες ερευνητές, ονόματα των οποίων, χωρίς να σημαίνει αυτό και εξάντληση του καταλόγου ή κάποια ποιοτική αξιολόγηση θα ακούσετε κατά την παράθεση διαφόρων πορισμάτων τους.

Σε μια σειρά εφαρμογών της τεχνητής νοημοσύνης στη διάγνωση του αυτισμού έχουν αναφερθεί οι Αναγνωστοπούλου, Αλεξανδροπούλου, Λορέντζου, Λυκοθανάση, Νταουντάκη και Δρίγας[10], που συνοψίζουν τα πλεονεκτήματα μιας τέτοιας διάγνωσης, παράμετρος πολύ σημαντική δεδομένου ότι σχετίζεται με τον απαιτούμενο χρόνο και το κόστος. Θεωρούν ότι είναι δυνατή μέσω της τεχνητής νοημοσύνης η έγκαιρη ανίχνευση, ως εκ τούτου και η βοήθεια που μπορεί να προσφερθεί μέσω της χρήσης νέων τεχνολογιών στις οικογένειες, στους κλινικούς γιατρούς και στα παιδιά έναντι της κουραστικής και μακράς διαδικασίας αξιολόγησης. Ο χρόνος αναμονής μπορεί να μειωθεί, ταυτοχρόνως με την παροχή του πλεονεκτήματος για επεξεργασία και ταξινόμηση μεγαλύτερου όγκου δεδομένων. Αυτό μπορεί να λάβει χώρα με πολύ υψηλά ποσοστά επιτυχίας και ακρίβειας των εφαρμογών, επίσης αποτέλεσμα σημασίας, διότι μπορεί να βοηθήσει τον κλινικό ιατρό να λάβει ασφαλέστερες αποφάσεις και να αποκτήσει καλύτερη εικόνα για τις δυνατότητες και τις ανάγκες του παιδιού. Επίσης σημαντική είναι η εμφιλοχωρούσα παράμετρος της εξατομίκευσης, καθώς η διάγνωση βασίζεται στα χαρακτηριστικά του κάθε παιδιού. Αν είναι να ληφθεί υπόψη και ο παράγοντας του κόστους αξιολόγησης, αναφέρεται από τους ίδιους επιστήμονες ότι είναι δυνατή η μείωσή της. Και επάνω από όλα, οι διάφορες εφαρμογές είναι προσβάσιμες και από τις οικογένειες που τα παιδιά τους παρουσιάζουν αυτιστικά συμπτώματα, δεν αποτελούν δηλαδή εργαλεία στα χέρια των κλινικών ιατρών αποκλειστικά.

Όσο για το τι μπορούμε να περιμένουμε στον ακόμα πιο απαιτητικό τομέα της διαχείρισης, μπορούν να μας δώσουν μια ιδέα οι Σιδεράκη και Δρίγας[11], που ενώ καταπιάνονται επίσης με τη διάγνωση, δεν παραλείπουν να αναφέρουν τη συμβολή της τεχνητής νοημοσύνης στην αντιμετώπιση της ΔΑΦ. Φαίνεται ότι με την εφαρμογή συγκεκριμένων προγραμμάτων είναι δυνατή η βελτίωση των κοινωνικών δεξιοτήτων, ανάμεσα στις οποίες η αναγνώριση προσώπου και η σωστή απόκριση των ματιών. Στόχος των παρεμβάσεων είναι μέσω της ρομποτικής αλληλεπίδρασης να διδαχτούν τα παιδιά κατάλληλες κοινωνικές δεξιότητες όπως η μίμηση, η παραμονή και η ενσυναίσθηση, ώστε να μπορέσουν να τις εφαρμόσουν στις ανθρώπινες σχέσεις τους. Τα ρομπότ τεχνητής νοημοσύνης ελέγχονται επίσης σε διάφορους άλλους τομείς της ψυχικής υγείας, συμπεριλαμβανομένων των διαταραχών διάθεσης και άγχους, όπως και των διαταραχών συμπεριφοράς. Ακόμη, επισημαίνεται ότι είναι πολλά υποσχόμενη η χρήση εργαλείων εικονικής πραγματικότητας, διότι μπορεί να βοηθήσει τους θεραπευτές και τους εκπαιδευτικούς να βελτιώσουν τις καθημερινές κοινωνικές συμπεριφορές των παιδιών με αυτισμό. Πρέπει, τέλος, να σημειωθεί ότι οι προαναφερθέντες ερευνητές κάνουν λόγο και για την ιδιαίτερα σημαντική ανάπτυξη γνωστικών και μεταγνωστικών δεξιοτήτων, αλλά και εξηγούν άριστα γιατί τα ρομπότ είναι τόσο ωφέλιμα για τα άτομα με αυτισμό: είναι πιο απλά από τους ανθρώπους, πιο προβλέψιμα και εφαρμόζουν τακτικές ρουτίνες. Σε κάθε περίπτωση η βελτίωση της κοινωνικής αλληλεπίδρασης μέσω της επικουρίας της τεχνητής νοημοσύνης φαίνεται ότι αποτελεί προσδοκία γενικότερα της διεθνούς επιστημονικής κοινότητας[12]. Έχει παρατηρηθεί ότι ενώ τα άτομα με ΔΑΦ δυσκολεύονται να αλληλεπιδράσουν με τους συνομηλίκους τους, τους δασκάλους, τους γονείς τους και άλλα πρόσωπα, τα περισσότερα θέλουν να συνδέονται με υπολογιστές ή συστήματα επαυξημένης πραγματικότητας, γεγονός που αποδεικνύει ότι οι παρεμβάσεις οι οποίες βασίζονται στην τεχνολογία μπορούν να αποτελέσουν αποτελεσματικά εργαλεία για τη βελτίωση του κινήτρου πίσω από τη διδασκαλία και τη μάθηση των εκφράσεων του προσώπου ως κοινωνικών δεξιοτήτων. Ας μη λησμονείται πάντως ότι οι περισσότερες παρεμβάσεις που βασίζονται στην τεχνολογία δεν έχουν σκοπό να ικανοποιήσουν πλήρως τις ανάγκες των ατόμων που πάσχουν από ΔΑΦ, καθώς αυτά παρουσιάζουν ποικίλες ανάγκες[13].

Γ. Τεχνητή νοημοσύνη και διάγνωση ΔΑΦ: χαρακτηριστικά παραδείγματα

Κορεάτες ερευνητές[14] έχουν ταξινομήσει τις μελέτες οι οποίες φορούν στη διαγνωστική ικανότητα που εξασφαλίζει η χρήση της τεχνητής νοημοσύνης και ως εκ τούτου αναφερθεί σε τρεις ομάδες ειδικότερου ενδιαφέροντος. Ειδικότερα, κάνουν λόγο για α) αύξηση των πρώιμων προγνωστικών αποτελεσμάτων, β) μείωση του αριθμού των αντικειμένων στις αξιολογήσεις και γ) διάκριση διαφόρων νευροναπτυξιακών διαταραχών. Επίσης, πέρα από τη διευκόλυνση του ευαίσθητου και συγκεκριμένου ελέγχου για ΔΑΦ, οι ίδιοι Κορεάτες ερευνητές αναφέρονται και σε ανάπτυξη αντικειμενικότερης μεθόδου εντοπισμού της, μέσω της χρήσης τεχνητής νοημοσύνης για τη σύλληψη διαφορετικών τύπων χαρακτηριστικών συμπεριφοράς που μπορούν να χρησιμοποιηθούν ως πολύτιμες πηγές πληροφόρησης για τον εντοπισμό χαρακτηριστικών που είναι μοναδικά στα άτομα με αυτισμό. Πρόκειται για τις εκφράσεις του προσώπου και τις δεξιότητες κίνησης. Θα πούμε αμέσως λίγα περισσότερα, ωστόσο επιλεκτικά: Ως προς την επιτάχυνση της διάγνωσης, αυτή θεωρείται δυνατή μέσω της μείωσης του αριθμού αξιολογούμενων αντικειμένων, όπως ήδη ακούσατε. Μια τυπική διάγνωση προϋποθέτει έλεγχο διάρκειας 60 έως 90 λεπτών και 13 περίπου μήνες αναμονής πριν από την οριστικοποίηση των αποτελεσμάτων. Ο μακροχρόνιες αξιολογήσεις είναι αναγκαίο να συρρικνωθούν και αυτό φαίνεται δυνατόν να επιτευχθεί με την εφαρμογή των διαγνωστικών δοκιμών χρυσού προτύπου[15] ADOS και ADI-R, για να προσδιοριστεί ένα ελάχιστο σύνολο στοιχείων που διακρίνονται περισσότερο μέσα στο σύνολο των χαρακτηριστικών της ΔΑΦ και να ελεγχθεί εάν αυτό το υποσύνολο χαρακτηριστικών μπορεί να χαρακτηριστεί από υψηλή ευαισθησία, εξειδίκευση και ακρίβεια στη διάγνωση.

Για να γίνει αυτό πιο κατανοητό, όπως και για να αναδειχθεί η σημασία του, ας σημειωθεί ότι τα ADOS και ADI-R αποτελούν διαγνωστικά εργαλεία σε μορφή συνέντευξης. Το ADOS, που βρίσκεται στη δεύτερη έκδοσή του, γνωστή ως ADOS-2, αποτελεί συντομογραφία του Autism Diagnostic Observation Schedule, ενώ το ADI-R του Autism Diagnostic Interview–Revised. Έχει αποδειχτεί η αποτελεσματικότητα των εργαλείων αυτών στην αξιολόγηση της αυτιστικής συμπτωματολογίας, εντούτοις αντιμετωπίζουν εμπόδια όταν η κατάσταση γίνεται πιο περίπλοκη και αποκαλύπτουν διαφοροποιημένα διαγνωστικά ζητήματα σε περιπτώσεις βρεφικού και ενηλίκου αυτισμού. Αυτό το διαφοροδιαγνωστικό ζήτημα παραμένει σημαντικό στην κλινική πράξη και έχει ισχυρές επιπτώσεις στην πορεία της θεραπευτικής θεραπείας[16]. Ειδικότερα όμως ως προς την επιτάχυνση της διάγνωσης, με τη χρήση αλγορίθμων ταξινόμησης για τον εντοπισμό βέλτιστων χαρακτηριστικών που συμβάλλουν στον προσδιορισμό της, έχουν εξελιχθεί μοντέλα χρήσης μειωμένου συνόλου στοιχείων, η δε απόδοσή τους έχει δοκιμαστεί μέσω της χρήσης ενός νέου συνόλου δεδομένων. Για παράδειγμα, από τα 28 χαρακτηριστικά του ADOS, επιστήμονες έχουν καταφέρει να διατηρήσουν υψηλή ακρίβεια ακόμα και αν έχουν μειώσει τον αριθμό των δραστηριοτήτων σε πέντε και εννέα στις ενότητες δύο και 10, και σε 12 στην ενότητα 3. Επίσης το εναλλακτικό δέντρο αποφάσεων (ADTree = alternating decision tree), μέθοδος μηχανικής μάθησης, δηλαδή κλάδου της τεχνητής νοημοσύνης που χρησιμοποιείται στην ανάπτυξη τεχνικών και μεθόδων μέσω υπολογιστή, και που συνδυάζει χαρακτηριστικά για τη δημιουργία ενός ακριβούς προγνωστικού δείκτη, έχει χρησιμοποιηθεί σε μελέτη και έχει μειώσει δραστικά τον αριθμό των ερωτήσεων του ADI-R κατά 92%[17].

Ας αναφερθούν όμως και ορισμένα παραδείγματα σχετικά με τις δεξιότητες κίνησης, για τις οποίες επίσης έγινε λόγος παραπάνω. Έχει αναφερθεί ότι το 83% των ατόμων με ΔΑΦ παρουσίασαν σε μελέτη χαμηλότερες κινητικές σύνθετες βαθμολογίες από τα άτομα χωρίς ΔΑΦ. Ως εκ τούτου, καταβλήθηκε προσπάθεια να συλληφθούν οι διαφορές στα μοτίβα κίνησης και να χρησιμοποιηθούν ως διακριτικό χαρακτηριστικό της ΔΑΦ. Άλλες έρευνες χρησιμοποίησαν τη μίμηση με βάση τα μοτίβα παρατήρησης και χειρονομιών, αξιοποιώντας έξυπνες συσκευές tablet για την ανίχνευση κινητικών παραμέτρων που εφαρμόζονται για την ταξινόμηση μεταξύ ατόμων με ΔΑΦ και μη. Επίσης έχουν χρησιμοποιηθεί μηχανές διανυσματικής υποστήριξης SVM για την παρατήρηση κινήσεων που αποτελούν σημαντικά ορόσημα στην αναπτυξιακή τροχιά. Τα Support Vector Machines αποτελούν εποπτευόμενα μοντέλα μάθησης με σχετικούς αλγόριθμους που αναλύουν δεδομένα για ανάλυση ταξινόμησης και παλινδρόμησης. Επιλέχθηκαν συνολικά 17 μετρήσεις κίνησης ως ταξινομητές για τη διάκριση των παιδιών προσχολικής ηλικίας με ΔΑΦ και των τυπικά αναπτυσσόμενων συνομηλίκων τους. Τα καθήκοντα που σχετίζονταν με τη μεταφορά ενός αντικειμένου στον στόχο ήταν αυτά στα οποία οι δύο ομάδες έδειξαν ουσιαστικές διαφορές, υποδηλώνοντας ότι η ανίχνευση των συγκεκριμένων διαφορών μπορεί να αποτελεί ισχυρό διαγνωστικό εργαλείο της ΔΑΦ[18].

Η ταχύτητα της διάγνωσης αποτελεί σταθερό αίτημα της επιστημονικής κοινότητας και οι διάφορες ανακοινώσεις δεν παύουν να υπόσχονται ραγδαίες εξελίξεις, ακόμα και ότι μια πειστική διάγνωση μπορεί να είναι δυνατή ακόμα και μέσα σε δέκα λεπτά. Αυτό τουλάχιστον έχει υποστηρίξει επιστημονική ομάδα του Πανεπιστημίου της Γενεύης, που έχει αναπτύξει έναν αλγόριθμο τεχνητής νοημοσύνης ο οποίος βασίζεται στην αυτοματοποιημένη ανάλυση βίντεο. Καθίσταται έτσι εφικτή η μελέτη της μη λεκτικής επικοινωνίας, ώστε υπήρξε δυνατή η ταξινόμηση με ορθό τρόπου του 80% των περιπτώσεων σε σύντομες βιντεοσκοπημένες σκηνές οι οποίες έδειχναν παιδιά με ή χωρίς αυτισμό κάτω των πέντε ετών να παίζουν με έναν ενήλικα. Μάλιστα δεν υπήρξε προκαθορισμένο σενάριο, αφού πρόθεση της επιστημονικής ομάδας ήταν να αναλύσει ελεύθερα τη μη λεκτική συμπεριφορά των παιδιών, παρέχοντάς τους διάφορα αντικείμενα που θα επέτρεπαν να διαπιστωθεί η παρουσία ή η απουσία αυτιστικής διαταραχής. Ο κύριος σκοπός των Ελβετών επιστημόνων είναι να επιτυγχάνει ο αλγόριθμός τους σε ελάχιστο χρόνο την αναγνώριση των αυτιστικών παιδιών με την παρατήρηση και μόνο των κινήσεών τους. Βλέπετε μια χαρακτηριστική στιγμή στη διαφάνεια 00. Πρόκειται για ένα παράδειγμα εξαγωγής «σκελετού» σε μια εικόνα που έχει εξαχθεί από την εγγραφή μιας κοινωνικής σκηνής: Επάνω τα σημεία κλειδιά επικαλύπτονται στην απεικόνιση βίντεο. Κάτω, απομονώνονται σε μαύρο φόντο, όπου διατηρούνται τα ελάχιστα χαρακτηριστικά της σκηνής που είναι απαραίτητα για την αναγνώριση της κοινωνικής αλληλεπίδρασης[19]. Είναι ενδιαφέρον να παρατηρηθεί στο σημείο αυτό ότι οι διάφορες εφαρμογές τεχνητής νοημοσύνης δεν αποτελούν οπωσδήποτε ανεξάρτητες μεθοδολογίες, αφού συχνά συνδυάζονται με τα κύρια διαγνωστικά εργαλεία του αυτισμού. Καθίσταται αυτό σαφές σε μια άλλη δημοσίευση των προαναφερθέντων Ελβετών επιστημόνων, όπου γίνεται κατανοητό ότι η εφαρμογή ανάλυσης βίντεο που ανέπτυξαν αξιοποιεί τα διαγνωστικά κριτήρια του μοντέλου ADOS, εργάζεται δηλαδή επάνω σε αυτά. Συγκεκριμένα, η εξαγωγή σκελετού που αναφέρθηκε προηγουμένως εφαρμόζεται σε βίντεο προοριζόμενα για αξιολόγηση ADOS, όπως φαίνεται στη διαφάνεια. Ως προς την τεχνική δε της ανάλυσης, μπορεί να δει κάποιος ότι γίνεται στο σύνολο του σκελετού ή μπορούν να χρησιμοποιούνται αριθμημένα σημεία του σώματος και του κεφαλιού. Ας διευκρινισθεί ότι τα δέκα λεπτά για τα οποία έγινε λόγος είναι η ελάχιστη απαιτούμενη έκταση βίντεο με αποτέλεσμα την ακρίβεια της διάγνωσης σε ποσοστό 70% των περιπτώσεων[20].

Η ταχύτητα και η ακρίβεια της διάγνωσης δεν είναι οι μόνες παράμετροι, αν και κυρίαρχες, που αναδεικνύουν την εφαρμογή της τεχνητής νοημοσύνης ως σημαντική πρόοδο στον τομέα του αυτισμού. Σε μια από τις πιο πρόσφατες μελέτες που έχουν συνταχθεί επάνω στο αντικείμενο παρατηρείται ότι στις ΗΠΑ τα υφιστάμενα διαγνωστικά εργαλεία ΔΑΦ χρησιμοποιούνται σχεδόν αποκλειστικά σε χώρους ειδικής φροντίδας. Φυσικά αρκετά από αυτά, ειδικά όταν χρησιμοποιούνται σε συνδυασμό, έχουν δείξει καλή διαγνωστική ακρίβεια και σταθερή απόδοση εφόσον χρησιμοποιούνται από εκπαιδευμένους εξεταστές. Όμως, οι απαιτήσεις εξειδικευμένης εκπαίδευσης, ο χρόνος που απαιτείται για τη χορήγηση και τα ανεπαρκή οικονομικά που θα δεν δικαιολογούσαν ανάλογη προσπάθεια στην πρωτοβάθμια περίθαλψη, καθιστούν δύσκολη τη χρήση τους στους χώρους της. Δεν αποκλείεται εξάλλου και η υπερδιάγνωση σε πληθυσμούς με χαμηλότερο επιπολασμό ΔΑΦ, παθογένεια επίσης της πρωτοβάθμιας περίθαλψης. Συνάμα, η αξιοπιστία μπορεί να μειωθεί και όταν ένα διαγνωστικό εργαλείο ΔΑΦ που προορίζεται για συνδυαστική χρήση χρησιμοποιείται ως αυτόνομο όργανο από κλινικούς ιατρούς υπό πίεση χρόνου. Τέλος, πολλά από τα διαγνωστικά εργαλεία δεν σχεδιάστηκαν για απομακρυσμένη διαχείριση., με αποτέλεσμα γεωγραφικά και υλικοτεχνικά εμπόδια ως προς την εύρεση ενός εκπαιδευμένου επαγγελματία υγείας και του κατάλληλου κλινικού περιβάλλοντος να συμβάλουν στην ανισορροπία κάλυψης για ορισμένους πληθυσμούς. Στο πλαίσιο αυτό οι αναφέροντες αυτά τα συμπεράσματα ερευνητές έχουν αναπτύξει έναν αλγόριθμο που χρησιμοποιεί χαρακτηριστικά συμπεριφοράς τα οποία επιλέγονται μέσω τεχνικών μηχανικής μάθησης ως μέγιστα προγνωστικά της ΔΑΦ σε μια ποικιλία φαινοτυπικών παρουσιάσεων. Μάλιστα τον ανέπτυξαν αρχικά χρησιμοποιώντας δεδομένα καταγραφής χιλιάδων παιδιών διαφορετικής κατάστασης, εικόνας και συννοσηρότητας, τα οποία είτε είχαν διαγνωστεί με ΔΑΦ είτε επιβεβαιώθηκε ότι δεν είχαν ΔΑΦ με βάση τυποποιημένα διαγνωστικά εργαλεία. Σταδιακά, σε διάστημα επτά χρόνων, ο αλγόριθμος αυτός γνώρισε μεγάλη ανάπτυξη, ενώ τη διαδικασία που ακολουθείται μπορείτε να δείτε σχηματικά στη διαφάνεια. Α. Ένας φροντιστής χρησιμοποιεί ένα smartphone για να απαντήσει σε σύντομο ερωτηματολόγιο σε 5 λεπτά περίπου λεπτά. Β. Ο φροντιστής ανεβάζει δύο σύντομα βίντεο του παιδιού του που τραβήχτηκαν στο σπίτι για να βαθμολογηθούν από εκπαιδευμένους αναλυτές βίντεο. C. O ιατρός πρωτοβάθμιας φροντίδας υγείας ή άλλος ειδικευμένος πάροχος υγειονομικής περίθαλψης απαντά ανεξάρτητα σε ένα σύντομο σύνολο κλινικών ερωτήσεων σε 10 περίπου λεπτά. D. Αυτές οι εισροές μεταδίδονται με ασφάλεια στους εκπαιδευμένους αναλυτές από τους οποίους τα στοιχεία του βίντεο εξάγονται σε 11 περίπου λεπτά. E. Οι εισροές του φροντιστή, του παρόχου υγειονομικής περίθαλψης και του αναλυτή βίντεο συνδυάζονται σε ένα μαθηματικό διάνυσμα για ανάλυση και ταξινόμηση μηχανικής μάθησης. F. Η συσκευή παρέχει στη συνέχεια διάγνωση «θετική για ΔΑΦ» ή «αρνητική για ΔΑΦ», ή αναφέρεται σε αδυναμία εξαγωγής αποτελέσματος. Αυτή η τελευταία απάντηση σημαίνει ότι οι πληροφορίες δεν ήταν επαρκώς αναλυτικές για να γίνει ένας προσδιορισμός εκείνη τη δεδομένη στιγμή[21].

Αυτές οι ενδεικτικές πληροφορίες μπορούν να δώσουν μια ιδέα για τις δυνατότητες της τεχνητής νοημοσύνης στη διάγνωση της διαταραχής αυτιστικού φάσματος, η έγκαιρη και έγκυρη ανίχνευση της οποίας είναι ένα ζήτημα ευζωίας και ανακούφισης για τους πάσχοντες, συνδέεται ωστόσο με αρκετές κοινωνικοοικονομικές παραμέτρους που δεν μπορούν να αγνοούνται στις ημέρες μας. Και φαίνεται ότι με τη βοήθεια της σύγχρονης τεχνολογίας καθίσταται δυνατή η διάγνωση σε πραγματικά σύντομα χρονικά διαστήματα, με την επικέντρωση της προσοχής των σύγχρονων συσκευών στην κίνηση, την ομιλία, τις εκφράσεις, την κοινωνική αλληλεπίδραση. Ασφαλώς μπορεί ο ενδιαφερόμενος να αντλήσει από το διαδίκτυο πλήθος πληροφοριών για αλγορίθμους και μοντέλα ανίχνευσης και διάγνωσης, επομένως μόνο για ακροθιγή προσέγγιση μπορεί να γίνει λόγος στο πλαίσιο αυτής της ομιλίας. Ωστόσο η διάγνωση δεν θα είχε νόημα αν δεν αποτελούσε το απαραίτητο προοίμιο της διαχείρισης, ώστε να βελτιωθεί κατά το δυνατόν η καθημερινότητα των ατόμων με αυτισμό και φυσικά να επικρατήσουν οι καλύτερες δυνατές συνθήκες στο οικογενειακό περιβάλλον τους. Στη συνέχεια της ομιλίας μας θα δούμε ορισμένα από τα διαθέσιμα δεδομένα για το τι είναι σε θέση να επιτύχει η τεχνητή νοημοσύνη στη βελτίωση της ζωής των αυτιστικών ατόμων.

Δ. Τεχνητή νοημοσύνη και διαχείριση ΔΑΦ: χαρακτηριστικά παραδείγματα

Η καλύτερη γέφυρα ανάμεσα στη συζήτηση για τη διάγνωση και στη συζήτηση για τη διαχείριση του αυτισμού δεν μπορεί να είναι άλλη από μια σύνοψη που συσχετίζει τις δύο διαδικασίες ως αλληλένδετες. Με αφορμή την αναφορά στο σύστημα υγείας των ΗΠΑ έχει διατυπωθεί ότι συνίσταται, όπως εξάλλου ακούσατε, η πρώιμη διάγνωση και παρέμβαση της ΔΑΦ κατά τη διάρκεια του κρίσιμου για τη βελτίωση των μακροπρόθεσμων αποτελεσμάτων νευροαναπτυξιακού παραθύρου. Ωστόσο, πολλές οικογένειες αντιμετωπίζουν διαγνωστικές καθυστερήσεις και προκλήσεις στην πρόσβαση στις αρμόδιες υπηρεσίες. Τα διαγνωστικά εμπόδια περιλαμβάνουν μεγάλη αναμονή για ειδική αξιολόγηση, μακροχρόνιες και κατακερματισμένες αξιολογικές διαδικασίες και περιορισμένη ικανότητα διάγνωσης πρωτοβάθμιας φροντίδας. Όλα αυτά τα αναφέραμε ήδη. Προστίθεται όμως ότι η φυλή, η εθνικότητα, το φύλο, η γεωγραφία και η κοινωνικοοικονομική κατάσταση συμβάλλουν σε περαιτέρω καθυστερήσεις για ορισμένες ομάδες πληθυσμού. Επιπλέον, ακόμη και μετά τη λήψη διάγνωσης ΔΑΦ, οι υπηρεσίες υγείας μπορεί να αντιμετωπίζουν προβλήματα χρηματοδότησης και προσφοράς στοχευμένων και έγκαιρων παρεμβάσεων στον ταχέως αυξανόμενο αριθμό παιδιών που χρειάζονται θεραπεία. Απαιτούνται επειγόντως προσεγγίσεις που βασίζονται σε δεδομένα για την κλίμακα, τον εκσυγχρονισμό και τη βελτίωση της ποιότητας της διαγνωστικής και θεραπευτικής φροντίδας ΔΑΦ που είναι διαθέσιμη στις οικογένειες. Μέσω της εκτίμησης της συμβολής της Τεχνητής Νοημοσύνης στη διαχείριση, πέραν της διάγνωσης, γίνεται ακριβώς αυτό: εξετάζεται η δυναμική αλλαγής πρακτικής, η δυνατότητα αύξησης των τρεχουσών θεραπευτικών οδών, χωρίς να παραγνωρίζονται οι προκλήσεις που σχετίζονται με την ενσωμάτωση τεχνολογιών βασισμένων στην τεχνητή νοημοσύνη στην κλινική πρακτική[22].

Αυτό που έχει σημασία είναι ότι η έρευνα για τη δυνατότητα διαχείρισης του αυτισμού μέσω της τεχνητής νοημοσύνης και των ρομπότ μετρά πίσω της 28 περίπου χρόνια, καθώς φαίνεται ότι, σύμφωνα με συγκεντρωτικά στοιχεία, έχει ξεκινήσει από το 1995. Αναφέρεται δε ότι οι Ηνωμένες Πολιτείες και η Ιαπωνία αποτελούν κεντρικούς παράγοντες ενός παγκόσμιου δικτύου συνεργασίας, που επικεντρώνεται τα τελευταία 10 κυρίως χρόνια στη μελέτη της ικανότητας μίμησης που παρουσιάζουν τα ρομπότ, στη διερεύνηση της χρήσης τους σε ασθενείς με ΔΑΦ, καθώς και στην εξερεύνηση της «ανθρωπιάς» τους. Συνήθως το ενδιαφέρον αφορά στη βελτίωση της ψυχολογικής και γνωστικής κατάστασης των ασθενών με ΔΑΦ, η ευαισθητοποίηση των γονέων απέναντι στην οποία είναι αυξημένη πλέον, και ίσως σε αυτό οφείλεται η παρατηρούμενη αύξηση των αναφερόμενων ποσοστών της. Έτσι, τα έξυπνα ρομπότ θεωρούνται ικανά να βοηθήσουν στη βελτίωση της συναισθηματικής και γνωστικής ικανότητας ασθενών με ΔΑΦ, της ικανότητας κοινωνικής αλληλεπίδρασης και της κοινής προσοχής. Όπως έχει αναφερθεί παραπάνω, το πιο εντυπωσιακό και στη διαχείριση της ΔΑΦ είναι ότι οι πάσχοντες φαίνεται να δείχνουν μεγαλύτερη εγγύτητα και αποδοχή απέναντι στα ευφυή ρομπότ από όσο στους ανθρώπους θεραπευτές, με αποτέλεσμα την ευρεία τα τελευταία χρόνια χρήση τους στην ειδική εκπαίδευση ασθενών με ΔΑΦ ώστε να επιτευχθεί η ενσωμάτωσή τους στην κοινωνία. Ας αναφερθεί ακόμη ότι πρόσφατα έχει δοθεί μεγάλη προσοχή στην τεχνολογία «διασύνδεσης εγκεφάλου-υπολογιστή» (BCI), που βασίζεται σε αλγόριθμους μηχανικής μάθησης για την αποκωδικοποίηση των εγκεφαλικών σημάτων και θεωρείται πιθανή μέθοδος αποκατάστασης της ΔΑΦ[23].

Πάντως η διαχείριση της ΔΑΦ μέσω τεχνητής νοημοσύνης, που συνεπάγεται τη χρήση της ρομποτικής, αποτελεί ακόμα ένα αναπτυσσόμενο πεδίο έρευνας. Ο σχεδιασμός θεραπειών που βασίζονται σε ρομπότ για παιδιά με ΔΑΦ αποσκοπεί στη λειτουργία των ρομπότ ως κοινωνικών διαμεσολαβητών, οι οποίοι προσπαθούν να προκαλέσουν συγκεκριμένες συμπεριφορές σε αυτιστικά παιδιά. Δείτε, για παράδειγμα, στη διαφάνεια ένα ολοκληρωμένο προτεινόμενο σύστημα θεραπείας το οποίο περιλαμβάνει τέσσερα κύρια στοιχεία: μια κάμερα RGB-D, έναν σταθμό εργασίας, το λεγόμενο «κοινωνικό ρομπότ» και την κάμερα στο ρομπότ. Η συμπεριφορά του παιδιού καταγράφεται και από τις δύο κάμερες. Η επικοινωνία του χειριστή με το ρομπότ γίνεται μέσω του σταθμού εργασίας, ώστε δια της καταγραφής της ροής βίντεο μέσα από την κάμερα του ρομπότ να ενεργοποιούνται συγκεκριμένες συμπεριφορές ρομπότ. Τα στοιχεία του χρησιμοποιούμενου λογισμικού είναι τέσσερα και περιλαμβάνουν τη στάση κεφαλιού, τη στάση του σώματος, την επαφή με τα μάτια και την έκφραση προσώπου. Ανιχνεύονται τα μη λεκτικά σήματα του παιδιού και εφαρμόζεται το πρωτόκολλο θεραπείας. Ένα αρχείο καταγραφής αναφέρει, διατηρώντας την ανωνυμία του παιδιού, τη συμπεριφορά που εκτελεί το ρομπότ, τη συμπεριφορική απόκριση του παιδιού και την άσκηση που στη συνέχεια εκτελείται από το ρομπότ. Το σχεδιασμένο πρωτόκολλο αποσκοπεί στη βελτίωση της συμπεριφοράς στην οποία το παιδί αντιμετωπίζει δυσκολίες, και ουσιαστικά περιλαμβάνει μια παρουσίαση ερεθίσματος, μια συμπεριφορά συμπεριφοράς και μια ενίσχυση. Ενσωματώνονται πέντε ασκήσεις με τρία επίπεδα δυσκολίας. Οι ασκήσεις επικεντρώνονται στην οπτική επαφή, την κοινή προσοχή, τη μίμηση σώματος, τη μίμηση προσώπου και τη μίμηση έκφρασης προσώπου. Το παιδί πρέπει να ολοκληρώσει κάθε επίπεδο 5 φορές και όταν αυτό συμβεί σωστά περνά στο επόμενο. Ο θεραπευτής μπορεί να αναθέσει κάθε άσκηση ή ένα σύνολο ασκήσεων σε ένα παιδί ανάλογα με το λειτουργικό του επίπεδο[24].

Τέτοιου είδους προσεγγίσεις, οι οποίες έχουν επιτρέψει στα ρομπότ μεταξύ άλλων την απόδοση της ανθρώπινης δράσης σε πραγματικό χρόνο, την ανάλυση συμπεριφοράς προσώπου, την ανάλυση ομιλίας, την ανίχνευση δυσαρμονίας ομιλίας, τη στερεοτυπική κινητική κίνηση από αισθητηριακά δεδομένα, κ.ά. έχουν, σύμφωνα τουλάχιστον με μια πολύ ενδιαφέρουσα συγκεντρωτική μελέτη[25], οδηγήσει σε σημαντικά συμπεράσματα για το τί μπορεί να προσφέρει η τεχνητή νοημοσύνη ανά τομέα χαρακτηριστικών της ΔΑΦ. Αναλυτικότερα:

Ως προς τα ελλείμματα επικοινωνίας, η φωνητική επικοινωνία θα μπορούσε να αξιολογηθεί με μεγαλύτερη ακρίβεια χρησιμοποιώντας δεδομένα υψηλής τεχνολογίας, τα οποία θα μπορούσαν να ενσωματωθούν σε λογισμικό συσκευών παραγωγής ομιλίας μαζί με απομονωμένες πλατφόρμες διδασκαλίας, για να διδαχθεί η χρήση εναλλακτικών τρόπων επικοινωνίας και να προωθηθεί η λήψη αποφάσεων βάσει δεδομένων.
Τα προβλήματα συμπεριφοράς, όπως το δάγκωμα, το χτύπημα, το λάκτισμα, θα μπορούσαν να παρακολουθούνται με τη χρήση αισθητήρων και αλγορίθμων παρακολούθησης σώματος. Ειδικότερα η φωνητική επιθετικότητα, όπως τα ουρλιαχτά, οι φωνές, η χρήση άσεμνης γλώσσας, κ.λπ., θα μπορούσε να εντοπίζεται με την καταγραφή της ομιλίας και τη μελέτη της βάσει ευφυών αλγορίθμων.
Ως προς τη διαχείριση της ανησυχίας και νευρικότητας φυσιολογικά δεδομένα από φορητές συσκευές και συστήματα ηλεκτρομυογραφίας θα μπορούσαν να βοηθήσουν στην κατανόηση των μακροπρόθεσμων παραγόντων ενεργοποίησης και αιτιολογικών παραγόντων που οδηγούν σε διέγερση.
Για τον στερεότυπο λόγο αναφέρεται ότι θα μπορούσε να ανιχνεύεται με την καταγραφή της ομιλίας και τη μελέτη τους χρησιμοποιώντας έξυπνους αλγόριθμους σε ένα πειραματικό περιβάλλον λειτουργικής ανάλυσης.
Η διαταραχή ύπνου μπορεί να αντιμετωπιστεί με φορητούς αισθητήρες σταδιοποίησης ή χαλάκια ανίχνευσης ύπνου, για να προσδιορίζονται τα πρότυπα ύπνου πριν και μετά τις συμπεριφορικές θεραπείες. Έτσι θα μελετάται ο αντίκτυπος των θεραπειών και θα ανανεώνεται ο σχεδιασμός τους ώστε να βελτιωθούν οι όροι ανάπαυσης των ατόμων με ΔΑΦ.
Τέλος, τα κοινωνικά ελλείμματα θα μπορούσαν να μειωθούν μέσω ειδικά σχεδιασμένων παιχνιδιών σε περιβάλλοντα επαυξημένης/εικονικής πραγματικότητας (Artificial/Virtual Reality), ώστε να διδάσκονται κοινωνικές δεξιότητες και να παρέχεται ένα δομημένο περιβάλλον για την εξάσκηση ζωτικών κοινωνικών αλληλεπιδράσεων. (Ας διευκρινισθεί ότι η επαυξημένη πραγματικότητα είναι αρκετά δημοφιλής στις ημέρες μας και διαφέρει από την εικονική ως προς το ότι «εδράζεται» πάνω στον πραγματικό κόσμο. Μπορεί να έχει πολλά σχήματα και μορφές, αλλά τα πιο συνηθισμένα είναι βίντεο, εικόνες και άλλοι διαδραστικοί τύποι δεδομένων. Χρησιμοποιείται για να εμπλουτίσει την πραγματική εμπειρία του χρήστη. Μάλιστα, αντιθέτως προς την εικονική πραγματικότητα, δεν απαιτεί ακουστικά. Η εμπειρία είναι δυνατή μέσω έξυπνων γυαλιών, ακουστικών, και φορητών συσκευών όπως τα έξυπνα κινητά μας[26]).

Όμως, πώς κατασκευάζεται ένα ρομπότ κατάλληλο για τη διαχείριση του αυτισμού, δηλαδή ένα που να δείχνει κοινωνικό και φιλικό; Η ερώτηση δεν είναι χωρίς σημασία, αφού θα πρέπει να εμπνέει την εμπιστοσύνη στα άτομα με ΔΑΦ ώστε να δείχνουν την πρόθεση να συνεργαστούν μαζί του. Έχουν αναρωτηθεί για αυτό Ινδοί επιστήμονες[27], που το θέλουν ταυτοχρόνως στιβαρό και οικονομικό. Προτείνουν ότι ο κοινωνικός και φιλικός σχεδιασμόςθα πρέπει να στηρίζεται στα παιχνίδια, σε χαρακτήρες ταινιών κινουμένων σχεδίων και στα καρτούν, επειδή τα παιδιά και οι ενήλικες τα αγαπούν. Οι ίδιοι προτείνουν τον πρωταγωνιστικό χαρακτήρα που λαμβάνει μέρος στην ταινία WALL-E ΤΟΥ 2008, ο οποίος είναι ήδη ρομπότ. Θεωρείται ευρέως γνωστός και ο σχεδιασμός του διευκολύνει την αναπαραγωγή. Αναφέρουν και άλλους χαρακτήρες, όπως ο Baymax από την ταινία κινουμένων σχεδίων Big Hero 6, αλλά και η Eve, δευτεραγωνίστρια στην ταινία WALL-E, που αν και έχουν πιο κοινωνικό σχεδιασμό δεν είναι πρακτικό να κατασκευαστούν. Αυτοί οι χαρακτήρες φέρουν μια λειτουργία απαραίτητη για ένα κοινωνικό ρομπότ, την έκφραση συναισθημάτων, και αυτό τα συνδέει με τους ανθρώπους, που εκφράζουν συναισθήματα μέσω του προσώπου και της γλώσσας του σώματός τους. Οι συγκεκριμένοι χαρακτήρες των ταινιών εκφράζονται με τα μάτια και τις χειρονομίες του κεφαλιού, με το πρόσωπό τους να είναι ενίοτε τόσο απλό όσο αυτό του Baymax που έχει μόνο μάτια συνδεδεμένα με μια γραμμή. Φτάνει αυτό στον ήρωα ώστε να εκφράσει μια σειρά συναισθημάτων. Μάλιστα οι εν λόγω επιστήμονες κατασκεύασαν ένα ρομπότ ονόματι Tinku, που βασίστηκε στα χαρακτηριστικά των ηρώων, ενσωματώνοντας όμως ένα κεφάλι-οθόνη. Στο ρομπότ αυτό, για να είναι κοινωνικό, απέδωσαν ανθρώπινα συναισθήματα και καταστάσεις, όπως η ευτυχία, η λύπη, ο θυμός, ο ενθουσιασμός και η αίσθηση υπνηλίας. Για την επίτευξη της επικοινωνίας συσχέτισαν τις παραμέτρους της οπτικής επικοινωνίας και της γλώσσας του σώματος, ενώ πρόσθεσαν τη δυνατότητα παραγωγής ήχων. Η οπτική επικοινωνία υλοποιείται μέσω της οθόνης, που λειτουργεί ως κεφάλι και πρόσωπο. Η γλώσσα του σώματος υλοποιείται με τη χρήση των τριών σερβολαιμών, από τους οποίους εξαρτάται η συμπεριφορά του κεφαλιού, και των τροχών, που συμπληρώνουν τη γλώσσα του σώματος, τα συναισθήματα και τις εκφράσεις. Τα ηχητικά εφέ είναι απαραίτητα καθώς ο Tinku δεν μπορεί να μιλήσει, παρά μόνο περιορίζεται σε μη-λεκτική δράση. Με αυτά αυξάνεται το βάθος της έκφρασης και τα συναισθήματα καθίστανται όσο το δυνατόν ακριβέστερα. Τέλος, αποκτά σημασία το τί ακριβώς διδάσκει αυτό το ρομπότ. Επειδή ο σχεδιασμός βρίσκεται προφανώς σε πειραματικό ακόμα στάδιο, όπως δείχνει και το γεγονός ότι η εργασία των Ινδών επιστημόνων δημοσιεύτηκε στο σύντομο έως σήμερα διάστημα του 2023, η ενέργεια για την οποία έχουν σχεδιαστεί τα μαθήματα είναι το βούρτσισμα. Ο Tinku χρησιμοποιεί ψηφιακά μέσα για να διδάξει πώς γίνεται αυτό, και για να ολοκληρωθεί η επίδειξη απαιτούνται τρεις διδακτικές ενότητες. Επιπλέον χρησιμοποιούνται κάρτες flash για να φανούν τα βήματα που περιλαμβάνονται στη διαδικασία. Επίσης, ο Tinku χρησιμοποιεί ψηφιακά μέσα, όπως εικόνες και βίντεο, για να δείξει τα ίδια βήματα με ένα πιο συναρπαστικό τρόπο και όσο το δυνατόν ακριβέστερα συναισθήματα.

Ένα ακόμα, πολύ ενδιαφέρον παράδειγμα λειτουργίας ρομπότ, σύμφωνα με τα πορίσματα επίσης πρόσφατης μελέτης[28], δείχνει πώς η ίδια έξυπνη κοινωνική συσκευή είναι σε θέση να επιτελέσει ολόκληρη τη διαδικασία από την ανίχνευση της ΔΑΦ έως και την αναφορά σε κατάλληλες θεραπευτικές παρεμβάσεις: 1. Το ρομπότ, που τίθεται σε λειτουργία «βασικής επίγνωσης», δηλαδή μπορεί να δημιουργήσει και να διατηρήσει οπτική επαφή, και είναι έτοιμο να προχωρήσει σε αντίδραση απέναντι σε ερεθίσματα όπως οι ήχοι και οι κινήσεις, η ανίχνευση προσώπου και η αφή. Επιπλέον είναι ικανό να παρατηρήσει ένα πρόσωπο και να το αναγνωρίσει. 2. Το ρομπότ ελέγχει ότι η ώρα είναι κατάλληλη για την εξέταση (π.χ. δεν είναι νύχτα, δεν είναι ακατάλληλη η χρονική στιγμή όπως αυτή έχει οριστεί από τον ασθενή. 3. Το ρομπότ αναγνωρίζει το πρόσωπο του ατόμου που έχει στην οπτική του περιοχή και ελέγχει ότι πρόκειται για τον ασθενή. Αν το άτομο δεν αναγνωρίζεται, τραβά μια φωτογραφία και την προσθέτει στη βάση δεδομένων του. Ταυτόχρονα θέτει ερωτήσεις προς συμπλήρωση του διαγράμματος του ασθενούς και εάν παρέλθουν επτά δευτερόλεπτα χωρίς αναγνώριση, η εφαρμογή σταματά. 4. Εάν ο ασθενής αναγνωριστεί, το ρομπότ ανακτά τη φωτογραφία του και την ταξινομεί χρησιμοποιώντας στο λογισμικό του. 5. Εάν το αποτέλεσμα της ταξινόμησης είναι «μη ΔΑΦ» το ρομπότ ενημερώνει τους χειριστές του ότι ο ασθενής δεν έχει διαταραχή του φάσματος αυτισμού, διαφορετικά ξεκινά τις δοκιμές ελέγχου για να συναγάγετε τα προβλήματα που έχει ο ασθενής. 6. Για κάθε διαταραχή, οι παρεμβάσεις που μπορούν να συνταγογραφηθούν καταγράφονται με τη μορφή της αντιστοιχίας διαταραχής/θεραπείας σε βάση δεδομένων SQL για να οριστεί και να συστηθεί μια «αποτελεσματική θεραπεία». Μόλις συμβεί αυτό το ρομπότ την καταγράφει στο διάγραμμα του ασθενούς.

Πάντως, όλες οι αισιόδοξες προοπτικές κρίνονται εντέλει ως προς την πιθανότητα ευόδωσής τους σύμφωνα με το ισοζύγιο πλεονεκτημάτων και μειονεκτημάτων τους. Αυτό βεβαίως δεν ακυρώνει τις προσπάθειες των επιστημόνων, ωστόσο εξηγεί γιατί ακούστηκε νωρίτερα ότι ένα ρομπότ, εκτός από τα κοινωνικά και άλλα χαρακτηριστικά του, πρέπει να είναι και προσιτό οικονομικά, τόσο ως προς την κατασκευή όσο και ως προς την απόκτησή του. Επειδή ακριβώς η χρήση των ρομπότ κερδίζει διαρκώς έδαφος, τουλάχιστον σε πλαίσιο επιστημονικής έρευνας, αξίζει στο σημείο αυτό να δούμε τα συν και τα κατά της χρήσης τους, ή μάλλον τί μπορεί να την υποστηρίξει και τί μπορεί να την αποτρέψει. Μια τέτοια σύνοψη έχουν κάνει και πάλι Ινδοί επιστήμονες[29], και αξίζει να τη δούμε, υπό την επίγνωση ότι η τεχνητή νοημοσύνη αποτελεί νέο εργαλείο για τη θεραπεία του αυτισμού και μέχρι στιγμής τα αποτελέσματα είναι περιορισμένα:

Μειονεκτήματα

Τα ανθρωποειδή ρομπότ, αν και διαδραματίζουν σημαντικό ρόλο στην ανάπτυξη των αυτιστικών παιδιών, είναι πολύ ακριβά, τόσο ως προς την κατασκευή όσο και ως προς τη χρήση τους.
Τα παιδιά που θα χρησιμοποιήσουν εφαρμογές χωρίς βοήθεια, θα πρέπει να μπορούν να διαβάζουν και να ακολουθούν οδηγίες. Πρέπει επίσης να έχουν κίνητρα συμμόρφωσης με ένα πρόγραμμα που προσφέρει εικονικές ανταμοιβές για την καλή δουλειά. Ακόμη και μια ημι-ανεξάρτητη χρήση οποιασδήποτε εφαρμογής απαιτεί ένα επίπεδο λειτουργικότητας και κινήτρου που είναι πολύ υψηλότερο από αυτό πολλών παιδιών με ΔΑΦ.
Ορισμένα παιδιά είναι πιο πρόθυμα να αλληλεπιδράσουν με ένα ρομπότ παρά με έναν άνθρωπο, ωστόσο δεν είναι ακόμη σαφές αν αυτά τα παιδιά θα μπορούν να μεταφέρουν τις διαδραστικές τους δεξιότητες σε ανθρώπινο πλαίσιο.
Οι εφαρμογές δεν έχουν ακόμη ενσωματωθεί στις περισσότερες τυπικές παρεμβάσεις. Και ενώ αρχίζουν κάποιοι θεραπευτές να αγκαλιάζουν την τεχνολογία, υπάρχει πολύς δρόμος ακόμα να διανυθεί.

Πλεονεκτήματα

Η πρόοδος των κοινωνικά επικουρικών ρομπότ τα τελευταία χρόνια έχει ανοίξει έναν πολλά υποσχόμενο νέο δρόμο για τους αυτιστικούς οι ασθενείς ώστε να λαμβάνουν πιο προσιτή και εξατομικευμένη φροντίδα. Θεωρητικά, τα ρομπότ στο σπίτι θα μπορούσαν να συμπληρώσουν τους ανθρώπους θεραπευτές, αναλαμβάνοντας τις περισσότερο επαναλαμβανόμενες εκπαιδευτικές δραστηριότητες, η δε τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην εξατομίκευση της εμπειρίας.
Τα ρομπότ με τεχνητή νοημοσύνη μπορούν επίσης να βοηθήσουν τα παιδιά με ΔΑΦ να αναπτύξουν τις κοινωνικές δεξιότητες που χρειάζονται για να επικοινωνούν πιο αποτελεσματικά.
Σε πολλές από τις έρευνες έχει αποδειχθεί ότι τα ρομπότ Τεχνητής Νοημοσύνης έχουν βοηθήσει τα παιδιά με ΣΑΦ για βελτίωση στην κοινωνικοποίηση.
Τα παιδιά με αυτισμό συχνά ανταποκρίνονται πιο θετικά στα ρομπότ παρά σε έναν άνθρωπο θεραπευτή, ίσως επειδή τα ρομπότ για αυτιστικά παιδιά έχουν απεριόριστη υπομονή και είναι σε θέση να επαναλαμβάνουν τα ίδια μηνύματα με τον ίδιο τρόπο, δηλαδή χωρίς διαφοροποιήσεις. Πολλά παιδιά του φάσματος ανυπομονούν για τον διαθέσιμο χρόνο τους με και, σε μερικές περιπτώσεις, δείχνουν στοργή στα ρομπότ αγκαλιάζοντάς τα.
Η τεχνητή νοημοσύνη δεν μπορεί να παρέχει όλα τα είδη θεραπείας, αλλά είναι ένας επεκτάσιμος τρόπος παροχής φροντίδας σε παιδιά που διαφορετικά δεν θα τη λάμβαναν.
Η εφαρμογή της τεχνητής νοημοσύνης χρησιμοποιεί μια σειρά ασκήσεων για να βοηθήσει τον ασθενή να ηρεμήσει ή να ανταποκριθεί κατάλληλα και στη συνέχεια, ανάλογα με τη διάθεση του παιδιού, προσφέρει ασκήσεις και διαπιστώνει πώς το παιδί ανταποκρίνεται.

Ε. Συμπεράσματα και προτάσεις

Και μόνο το γεγονός ότι τα συμπτώματα των Διαταραχών Αυτιστικού Φάσματος μπορούν να εκδηλώνονται ήδη από τη βρεφική ηλικία, σημαίνει ότι η έγκαιρη ανίχνευση και παρέμβαση μπορεί να οδηγήσει σε καλύτερα θεραπευτικά αποτελέσματα. Ο παραδοσιακός έλεγχος και η διάγνωση του αυτισμού που προέρχονται από επαγγελματίες, καθίστανται μια εξαιρετικά υποκειμενική και χρονοβόρα διαδικασία και οδηγούν συχνά σε λανθασμένη διάγνωση ή σε απώλεια του βέλτιστου χρόνου παρέμβασης[30].

Με την ταχεία ανάπτυξη της τεχνητής νοημοσύνης και τη συσσώρευση κλινικών δεδομένων για τον αυτισμό, έχουν αναπτυχθεί ραγδαία έξυπνες μέθοδοι αναγνώρισης του αυτισμού και των πρώιμων συμπτωμάτων του. Η αναγνώριση στηρίζεται σε διάφορες παραμέτρους, όπως στα δεδομένα συμπεριφοράς κλασικής εργασίας, στην έκφραση του προσώπου και τα συναισθηματικά δεδομένα, στα δεδομένα του βλέμματος, σε δεδομένα εικόνας του εγκεφάλου, στον έλεγχο της κίνησης και των μοτίβων της, σε πολυτροπικά δεδομένα κ.ά.

Οι ερευνητές συνήθως αναπτύσσουν αλγόριθμους και κατασκευάζουν μοντέλα μηχανικής μάθησης ή βαθιάς μάθησης, που επιτρέπουν στους υπολογιστές να μαθαίνουν από σύνθετα δεδομένα, στοχεύοντας σε αυτόματη αναγνώριση σύμφωνα με τους στόχους της εκάστοτε εργασίας και τα παρατηρούμενα χαρακτηριστικά. Προς το παρόν, η τεχνητή νοημοσύνη είναι ικανή να φτάσει στην ακρίβεια των εργαλείων κλίμακας και της χειροκίνητης αξιολόγησης. Εφαρμόζεται ένα πλαίσιο πολυτροπικής σύντηξης για τη δημιουργία μοντέλων πρόβλεψης που βασίζονται στη συμπληρωματική σχέση μεταξύ πολυτροπικών πληροφοριών, μετασχηματισμού χαρακτηριστικών και προτύπων αναπαράστασης αυτιστικών βρεφών, γεγονός που αναμένεται να βελτιώσει περαιτέρω την ακρίβεια αναγνώρισης.

Στο μέλλον, οι ερευνητές θα πρέπει να επικεντρωθούν στη δημιουργία ενός ευφυούς ιατρικού συστήματος προσυμπτωματικού ελέγχου και διάγνωσης για τον πρώιμο αυτισμό, στην ανάπτυξη εργαλείων προσυμπτωματικού ελέγχου για βρέφη και μικρά παιδιά, στην καθιέρωση μιας εκλεπτυσμένης μεθόδου διάγνωσης για τον αυτισμό σε συνδυασμό με τεχνολογία απεικόνισης εγκεφάλου και στην οικοδόμηση ενός έξυπνου μοντέλου αναγνώρισης για τον αυτισμό βρέφη με την ενσωμάτωση πολυτροπικών δεδομένων.

Ως προς τη χρήση των κοινωνικών ρομπότ, που αναμένεται να επηρεάσει σημαντικά την αποτελεσματικότητα των θεραπειών, σαφώς πρέπει να φέρουν συγκεκριμένα χαρακτηριστικά, τα οποία ξεκινούν από την οπτική προσέλκυση των παιδιών. Είναι αναγκαία ωστόσο η ισορροπία, διότι τα πολλά χρώματα και η έντονη πολυπλοκότητα μπορούν να διεγείρουν υπερβολικά το παιδί με αυτισμό, γεγονός με ενδεχόμενες αρνητικές επιπτώσεις. Ο κορμός πρέπει να έχει ουδέτερος χρώμα, το πρόσωπο ευδιάκριτα χαρακτηριστικά και τα χέρια ξεχωριστό χρώμα. Το πρόσωπο πρέπει να είναι απλό ώστε να αποφεύγεται η υπερδιέγερση και να κατανοούνται τα συναισθήματα[31].

Η εμφάνιση ρομπότ δεν πρέπει να είναι πολύ ρεαλιστική, διότι η μεγάλη ομοιότητα με τον άνθρωπο μπορεί να μειώσει το ενδιαφέρον του παιδιού. Η διατήρηση μιας κάπως μηχανικής ή μασκότ εμφάνισης είναι σημαντική για να κεντρίσει το ενδιαφέρον, από την άλλη όμως το ρομπότ δεν πρέπει να είναι πολύ μηχανικό, διότι το παιδί μπορεί να ενδιαφερθεί περισσότερο να εξετάσει τα εξαρτήματά του παρά να αλληλεπιδράσει με εκείνο. Να διακρίνεται δηλαδή εύκολα ως ανθρωποειδές, αλλά με αρκετές μηχανικές ιδιότητες ώστε να είναι αναγνωρίσιμο και ως ρομπότ.

Το μέγεθος του ρομπότ πρέπει να είναι περίπου στο μέγεθος ενός μικρού παιδιού, εφόσον το αιτούμενο είναι η εφαρμογή πρώιμης παρέμβασης. Η μέγεθος θα καταστήσει το ρομπότ λιγότερο εκφοβιστικό και πιο ενδιαφέρον για το παιδί. Εάν μάλιστα ένα παιδί είναι σε θέση να εξασκηθεί στην αλληλεπίδραση με ένα ρομπότ περίπου του δικού του μεγέθους, η γενίκευση των δεξιοτήτων σε άλλα παιδιά μπορεί να είναι ευκολότερη. Επιπλέον, η μίμηση ενός ρομπότ παρόμοιου μεγέθους μπορεί να είναι πιο διαισθητική από τη μίμηση ενός εξαιρετικά μεγάλου ή μικρού ρομπότ.

Το εύρος κίνησης και οι βαθμοί ελευθερίας του ρομπότ πρέπει να είναι παρόμοια με αυτά του μικρού παιδιού. Αυτό θα ενισχύσει την αίσθηση ότι το ρομπότ μοιάζει πολύ μαζί του, και θα του επιτρέψει να εκτελέσει τις απαιτούμενες ενέργειες.

Τέλος, το ρομπότ πρέπει να είναι αρκετά δυνατό για να μετακινεί μικρά αντικείμενα. Αυτά τα αντικείμενα μπορεί να είναι παιχνίδια, όπως μπάλες, τρόφιμα και άλλα. Τα περισσότερα αντικείμενα που θα χρειαστεί να μετακινήσει το ρομπότ θα είναι ελαφρά, επομένως δεν χρειάζεται να ασκεί μεγάλες δυνάμεις, αλλά μόνο τις επαρκείς που απαιτούνται για τις μετακινήσεις.

Όλα αυτά αναφέρονται με την επίγνωση ότι επί του παρόντος, δεν έχουν καθοριστεί πραγματικές ιατρικές θεραπείες για τη ΔΑΦ, και υπό την προϋπόθεση ότι η διαχείριση του αυτισμού μέσω τεχνητής νοημοσύνης αποσκοπεί στη βελτίωση της γνωστικής ικανότητας και των δεξιοτήτων καθημερινής ζωής, αλλά και στη μεγιστοποίηση της ικανότητας του αυτιστικού παιδιού να λειτουργεί και να συμμετέχει θετικά στην κοινότητα. Μέσω της χρήσης τεχνολογιών Τεχνητής Νοημοσύνης διευκολύνεται η διαδικασία προσαρμογής στον κόσμο γύρω τους κα αναπτύσσονται στρατηγικές που μπορούν να αναπτύξουν δεξιότητες κοινωνικής επικοινωνίας, ιδιαίτερα σε νεαρές ηλικίες, άρα και αλληλεπίδρασης με τους άλλους[32].

Εξάλλου, έχει αυξηθεί η χρήση Τεχνητής Νοημοσύνης στην καθημερινή ζωή και δεν πρέπει να θεωρούμε ότι γίνεται τώρα λόγος για κάτι πολύ μακρινό. Τα τηλέφωνα, τα gadget, τα αυτοκίνητα, ακόμη και τα σπίτια μας έχουν γίνει «έξυπνα» με την παρέμβαση της τεχνητής νοημοσύνης και δεν είναι περίεργο ότι θα έχει εφαρμογές στη διάγνωση και υγειονομική περίθαλψη. Πρόκειται σαφώς για μια αναδυόμενη τεχνολογία που υπόσχεται να κάνει τη ζωή ευκολότερη. Στο μέλλον είναι πιθανόν να δημιουργηθούν προγράμματα που θα επιτρέπουν στις μηχανές να σκέφτονται και να συλλογίζονται όπως οι άνθρωποι και να εκτελούν εργασίες από μόνες τους. Τα σύστημα υπολογιστή αναπτύσσουν τη νοημοσύνη τους και εξελίσσονται ακριβώς όπως ο ανθρώπινος εγκέφαλος μέσω της μηχανικής μάθησης[33].

Δεν είναι ίσως μακριά και η ανάπτυξη εφαρμογών με δυνατότητες τεχνητής νοημοσύνης και εικονικής πραγματικότητας ή συνδυασμένης με την επαυξημένη πραγματικότητα, που θα επιταχύνουν τη διάγνωση και τη θεραπεία και θα βοηθούν στην επιτέλεση των καθημερινών δραστηριοτήτων της ζωής.

Σας ευχαριστώ για την προσοχή σας!

[1] Lopes, L. T., et al. (2022). Autism Spectrum as an Etiologic Systemic Disorder: A Protocol for an Umbrella Review. Healthcare, 10, pp. 1-2 (1-10). https://www.mdpi.com/2227-9032/10/11/2200/pdf.

[2] Alnusayri, A. M. F. (2021). Autism spectrum disorders (ASD) diagnosis and management; current trends and future direction: a review article. International Journal of Clinical and Experimental Medicine, 14(9), p. 2273 (2271-2280). https://e-century.us/files/ijcem/14/9/ijcem0124999.pdf.

[3] National Institute of Mental Health (2018). Autism Spectrum Disorder. Maryland: National Institute of Mental Health, pp. 5-6. https://www.nyc.gov/assets/bronxcb10/downloads/pdf/resources/autism-awareness.pdf.

[4] Niedźwiecka, Α., & Pisula, Ε. (2022). Symptoms of Autism Spectrum Disorders Measured by the Qualitative Checklist for Autism in Toddlers in a Large Sample of Polish Toddlers. International Journal of Environmental Research and Public Health, 19, p. 1 (1-13). https://mdpi-res.com/d_attachment/ijerph/ijerph-19-03072/article_deploy/ijerph-19-03072.pdf?version=1646475384.

[5] Green, J., Leadbitter, K., Ainsworth, J., & Bucci, S. (2022). An integrated early care pathway for autism. Lancet Child Adolesc Health, 6(5), p. 335 (335-344). https://www.thelancet.com/pdfs/journals/lanchi/PIIS2352-4642(22)00037-2.pdf.

[6] Καβαλιώτης, Α. (αρχιμανδρίτης) (2018). Η ψυχική ανθεκτικότητα των γονέων με παιδιά με αυτισμό. Αθήνα: Παπαζήσης.

[7] Frye, R. E. (2022). A Personalized Multidisciplinary Approach to Evaluating and Treating Autism Spectrum Disorder. Journal of Personalized Medicine, 12, p. 10-11 (10-18). https://mdpi-res.com/d_attachment/jpm/jpm-12-00147/article_deploy/jpm-12-00147.pdf?version=1643006388.

[8] Narzisi, A., Grossi, E., & Muratori, F. (2014). Treatment As Usual (TAU) for Preschoolers with Autism: Insight from the Artificial Neural Networks Analyses. 2014 International Meeting for Autism Research (δεν αναφέρεται αριθμός σελίδων διότι πρόκειται για περίληψη ανακοίνωσης σε συνέδριο: https://www.researchgate.net/publication/268131630_Treatment_As_Usual_TAU_for_Preschoolers_with_Autism_Insight_from_the_Artificial_Neural_Networks_Analyses).

[9] Daniolou, S., Pandis, N., & Znoj, H. (2022). The Efficacy of Early Interventions for Children with Autism Spectrum Disorders: A Systematic Review and Meta-Analysis. Journal of Clinical Medicine, 12, p. 1 (1-28). https://mdpi-res.com/d_attachment/jcm/jcm-11-05100/article_deploy/jcm-11-05100-v2.pdf?version=1662011427.

[10] Anagnostopoulou, P., Alexandropoulou, V., Lorentzou, G., Lykothanasi, A., Ntaountaki, P., & Drigas, A. (2020). Artificial Intelligence in Autism Assessment. International Journal of Emerging Technologies in Learning (iJET), 15(6), p. 103 (95-107). Ανάκτηση άρθρου από την ηλεκτρονική διεύθυνση https://www.researchgate.net/publication/340235420_Artificial_Intelligence_in_Autism_Assessment.

[11] Sideraki, Α., & Drigas, Α. (2021). Artificial Intelligence (AI) in Autism. Technium Social Sciences Journal, 26, 262-277. https://www.researchgate.net/publication/356911805_Artificial_Intelligence_AI_in_Autism. Οι πληροφορίες προέρχονται από διάφορα σημεία του άρθρου.

[12] Βλ. για παράδειγμα τα συμπεράσματα στο άρθρο των Naser, M., Nasr, M. M., & Shehata, L. H. (2021). Artificial Intelligence (AI) And Autism Spectrum Disorder (ASD). Literature review. International Journal of Progressive Sciences and Technologies (IJPSAT), 29(2), p. 396-415. Ανάκτηση από την ηλεκτρονική διεύθυνση https://ijpsat.org/index.php/ijpsat/article/view/3811/2317.

[13] Τα συμπεράσματα αυτά αναφέρονται στη σελ. 407 του άρθρου της υποσημ. 12.

[14] Song, D.-Y., Kim, S. Y., Bong, G., Kim, J. M., & Yoo, H. J. (2019). The Use of Artificial Intelligence in Screening and Diagnosis of Autism Spectrum Disorder: A Literature Review. J Korean Acad Child Adolesc Psychiatry, 30(4), pp. 145-152. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7298904/pdf/JKACAP-30-145.pdf.

[15] Ως χρυσό πρότυπο γίνεται αντιληπτή η παγκοσμίως αναγνωρισμένη δράση σχετικά με την κάθε ασθένεια. Πρόκειται για έγκυρο και αξιόπιστο πρότυπο κα αποτελεί τη βάση για κάθε νέα διαδικασία. Βλ. σχετικά Χριστόπουλος, Χ. (2017). Ελάχιστα επεμβατική χειρουργική στη σπονδυλική στήλη. Διαθέσιμο στο https://dr-christopoulos.de/el/2017/06/06/elaxista-epemvatikh-xeirourgikh/.

[16] Frigaux, Α., Evrard, R., & Lighezzolo-Alnot, J. (2019). ADI-R and ADOS and the differential diagnosis of autism spectrum disorders: Interests, limits and openings. Encephale, 45(5), p. 441 (441-448). https://pubmed.ncbi.nlm.nih.gov/31495549/.

[17] Τα παραδείγματα αυτά δίνουν οι Κορεάτες επιστήμονες της υποσημ. 14.

[18] Τα παραδείγματα αυτά δίνουν οι Κορεάτες επιστήμονες της υποσημ. 14.

[19] Shaer, M. (2021). Using video for the early detection of autism (Press Release). Université de Genève. https://www.unige.ch/communication/communiques/application/files/7216/3108/4831/Using_video_for_the_early_detection__of_autism_.pdf.

[20] Kojovic, N., Natraj, S., Mohanty, S. P., Maillart, T., & Schaer, M. (2021). Using 2D video‑based pose estimation for automated prediction of autism spectrum disorders in young children. Scientifc Reports, 11, pp. 1-10. https://www.nature.com/articles/s41598-021-94378-z.

[21] Megerian, J. T., et al. (2022). Evaluation of an artificial intelligence-based medical device for diagnosis of autism spectrum disorder. npj Digital Medicine, 5, p. 2. (1-11). https://www.nature.com/articles/s41746-022-00598-6.

[22] Shannon, J., Salomon, C., Chettiath, T., Abbas, H., & Taraman, S. (). Autism spectrum disorder and the promise of Artificial Intelligence. J Child Adolesc Behav, 10(1), p. 1 (1-5). https://www.researchgate.net/publication/360791904_Autism_spectrum_disorder_and_the_promise_of_artificial_intelligence_Volume_10_Issue_1_1000428_J_Child_Adolesc_Behav.

[23] Zhang, S., Wang, S., Liu, R., Dong, H., Zhang, X., & Tai, X. (2022). A bibliometric analysis of research trends of artificial intelligence in the treatment of autistic spectrum disorders. Frontiers in Psychiatry, 13, 12 (1-15). https://www.frontiersin.org/articles/10.3389/fpsyt.2022.967074/full.

[24] Palestra, G., de Carolis, B., & Esposito, F. (2017). Artificial Intelligence for Robot-Assisted Treatment of Autism. In: D. Impedovo & G. Pirlo (Eds.), Workshop on Artificial Intelligence with Application in Health, Bari, Italy, November 14, 2017, pp. 2-4 (1-5). https://ceur-ws.org/Vol-1982/paper3.pdf. [24] Lopes, L. T., et al. (2022). Autism Spectrum as an Etiologic Systemic Disorder: A Protocol for an Umbrella Review. Healthcare, 10, pp. 1-2 (1-10). https://www.mdpi.com/2227-9032/10/11/2200/pdf.

[24] Alnusayri, A. M. F. (2021). Autism spectrum disorders (ASD) diagnosis and management; current trends and future direction: a review article. International Journal of Clinical and Experimental Medicine, 14(9), p. 2273 (2271-2280). https://e-century.us/files/ijcem/14/9/ijcem0124999.pdf.

[24] National Institute of Mental Health (2018). Autism Spectrum Disorder. Maryland: National Institute of Mental Health, pp. 5-6. https://www.nyc.gov/assets/bronxcb10/downloads/pdf/resources/autism-awareness.pdf.

[24] Niedźwiecka, Α., & Pisula, Ε. (2022). Symptoms of Autism Spectrum Disorders Measured by the Qualitative Checklist for Autism in Toddlers in a Large Sample of Polish Toddlers. International Journal of Environmental Research and Public Health, 19, p. 1 (1-13). https://mdpi-res.com/d_attachment/ijerph/ijerph-19-03072/article_deploy/ijerph-19-03072.pdf?version=1646475384.

[24] Green, J., Leadbitter, K., Ainsworth, J., & Bucci, S. (2022). An integrated early care pathway for autism. Lancet Child Adolesc Health, 6(5), p. 335 (335-344). https://www.thelancet.com/pdfs/journals/lanchi/PIIS2352-4642(22)00037-2.pdf.

[24] Καβαλιώτης, Α. (αρχιμανδρίτης) (2018). Η ψυχική ανθεκτικότητα των γονέων με παιδιά με αυτισμό. Αθήνα: Παπαζήσης.

[24] Frye, R. E. (2022). A Personalized Multidisciplinary Approach to Evaluating and Treating Autism Spectrum Disorder. Journal of Personalized Medicine, 12, p. 10-11 (10-18). https://mdpi-res.com/d_attachment/jpm/jpm-12-00147/article_deploy/jpm-12-00147.pdf?version=1643006388.

[24] Narzisi, A., Grossi, E., & Muratori, F. (2014). Treatment As Usual (TAU) for Preschoolers with Autism: Insight from the Artificial Neural Networks Analyses. 2014 International Meeting for Autism Research (δεν αναφέρεται αριθμός σελίδων διότι πρόκειται για περίληψη ανακοίνωσης σε συνέδριο: https://www.researchgate.net/publication/268131630_Treatment_As_Usual_TAU_for_Preschoolers_with_Autism_Insight_from_the_Artificial_Neural_Networks_Analyses).

[24] Daniolou, S., Pandis, N., & Znoj, H. (2022). The Efficacy of Early Interventions for Children with Autism Spectrum Disorders: A Systematic Review and Meta-Analysis. Journal of Clinical Medicine, 12, p. 1 (1-28). https://mdpi-res.com/d_attachment/jcm/jcm-11-05100/article_deploy/jcm-11-05100-v2.pdf?version=1662011427.

[24] Anagnostopoulou, P., Alexandropoulou, V., Lorentzou, G., Lykothanasi, A., Ntaountaki, P., & Drigas, A. (2020). Artificial Intelligence in Autism Assessment. International Journal of Emerging Technologies in Learning (iJET), 15(6), p. 103 (95-107). Ανάκτηση άρθρου από την ηλεκτρονική διεύθυνση https://www.researchgate.net/publication/340235420_Artificial_Intelligence_in_Autism_Assessment.

[24] Sideraki, Α., & Drigas, Α. (2021). Artificial Intelligence (AI) in Autism. Technium Social Sciences Journal, 26, 262-277. https://www.researchgate.net/publication/356911805_Artificial_Intelligence_AI_in_Autism. Οι πληροφορίες προέρχονται από διάφορα σημεία του άρθρου.

[24] Βλ. για παράδειγμα τα συμπεράσματα στο άρθρο των Naser, M., Nasr, M. M., & Shehata, L. H. (2021). Artificial Intelligence (AI) And Autism Spectrum Disorder (ASD). Literature review. International Journal of Progressive Sciences and Technologies (IJPSAT), 29(2), p. 396-415. Ανάκτηση από την ηλεκτρονική διεύθυνση https://ijpsat.org/index.php/ijpsat/article/view/3811/2317.

[24] Τα συμπεράσματα αυτά αναφέρονται στη σελ. 407 του άρθρου της υποσημ. 12.

[24] Song, D.-Y., Kim, S. Y., Bong, G., Kim, J. M., & Yoo, H. J. (2019). The Use of Artificial Intelligence in Screening and Diagnosis of Autism Spectrum Disorder: A Literature Review. J Korean Acad Child Adolesc Psychiatry, 30(4), pp. 145-152. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7298904/pdf/JKACAP-30-145.pdf.

[24] Ως χρυσό πρότυπο γίνεται αντιληπτή η παγκοσμίως αναγνωρισμένη δράση σχετικά με την κάθε ασθένεια. Πρόκειται για έγκυρο και αξιόπιστο πρότυπο κα αποτελεί τη βάση για κάθε νέα διαδικασία. Βλ. σχετικά Χριστόπουλος, Χ. (2017). Ελάχιστα επεμβατική χειρουργική στη σπονδυλική στήλη. Διαθέσιμο στο https://dr-christopoulos.de/el/2017/06/06/elaxista-epemvatikh-xeirourgikh/.

[24] Frigaux, Α., Evrard, R., & Lighezzolo-Alnot, J. (2019). ADI-R and ADOS and the differential diagnosis of autism spectrum disorders: Interests, limits and openings. Encephale, 45(5), p. 441 (441-448). https://pubmed.ncbi.nlm.nih.gov/31495549/.

[24] Τα παραδείγματα αυτά δίνουν οι Κορεάτες επιστήμονες της υποσημ. 14.

[24] Shaer, M. (2021). Using video for the early detection of autism (Press Release). Université de Genève. https://www.unige.ch/communication/communiques/application/files/7216/3108/4831/Using_video_for_the_early_detection__of_autism_.pdf.

[24] Kojovic, N., Natraj, S., Mohanty, S. P., Maillart, T., & Schaer, M. (2021). Using 2D video‑based pose estimation for automated prediction of autism spectrum disorders in young children. Scientifc Reports, 11, pp. 1-10. https://www.nature.com/articles/s41598-021-94378-z.

[24] Megerian, J. T., et al. (2022). Evaluation of an artificial intelligence-based medical device for diagnosis of autism spectrum disorder. npj Digital Medicine, 5, p. 2. (1-11). https://www.nature.com/articles/s41746-022-00598-6.

[24] Shannon, J., Salomon, C., Chettiath, T., Abbas, H., & Taraman, S. (). Autism spectrum disorder and the promise of Artificial Intelligence. J Child Adolesc Behav, 10(1), p. 1 (1-5). Ανάκτηση από την ηλ. διεύθυνση https://www.researchgate.net/publication/360791904_Autism_spectrum_disorder_and_the_promise_of_artificial_intelligence_Volume_10_Issue_1_1000428_J_Child_Adolesc_Behav.

[25] Ghafghazi, S., Carnett, A., & Neely, L., Das, A., & Rad, P. (2021). AI-Augmented Behavior Analysis for Children with Developmental Disabilities: Building Towards Precision Treatment. IEEE Systems, MAN, & Cybernetics Magazine, p. 3 (1-7). https://arxiv.org/pdf/2102.10635.pdf.

[26] Βλ. για τις δύο μορφές πραγματικότητας AR και VR, καθώς και για την υβριδική Mixed Reality το ιδιαίτερα κατατοπιστικό άρθρο με τίτλο «Why Every Organization Needs an Augmented Reality Strategy» στην ηλεκτρονική διεύθυνση https://techinnovations.info/why-every-organization-needs-an-augmented-reality-strategy/?gclid=CjwKCAiA9NGfBhBvEiwAq5vSyzQUow3rLNbbVIO7Rw3cBNbBv43gmZGovd_7fx289nNXNEDJ8fQVdBoCCUkQAvD_BwE.

[27] Singh, A., Raj, K., Kumar, T., Verma,S., & Roy, A. M. (2023). Deep Learning-Based Cost-Effective and Responsive Robot for Autism Treatment. Drones, 7, 1-18. https://www.mdpi.com/2504-446X/7/2/81/pdf.

[28] Salhi, I., Qbadou, M., Gouraguine, S., Mansouri, K., Lytridis, C., & Kaburlasos, V. (2022). Towards Robot-Assisted Therapy for Children With Autism – The Ontological Knowledge Models and Reinforcement Learning-Based Algorithms. Frontiers in Robotics and AI, 7, pp. 11-13 (1-16). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9020227/pdf/frobt-09-713964.pdf.

[29] Singh, P. D., & Gothankar, A. G. (2021). Different AI Approaches to Address Autism in Children: A Review. International Journal of Advanced Research in Science, Communication and Technology (IJARSCT), 7(1), pp. 552-553 (549-554). https://ijarsct.co.in/Paper1682.pdf.

[30] Yuzhuo, Υ., & Fang, L., (2022). Early screening and diagnosis of autism spectrum disorder assisted by artificial intelligence. Advances in Psychological Science, 30(10), p. 2303 (2303-2320). Ανάκτηση από https://journal.psych.ac.cn/xlkxjz/EN/10.3724/SP.J.1042.2022.02303.

[31] Giullian, Ν., Ricks, D., Atherton, A., Colton, M., Goodrich, M., & Brinton, B. ().Detailed Requirements for Robots in Autism Therapy. Conference: Proceedings of the IEEE International Conference on Systems, Man and Cybernetics, Istanbul, Turkey, 10-13 October 2010, p. 3-4 (1-8). Ανάκτηση από https://www.researchgate.net/publication/220754471_Detailed_requirements_for_robots_in_autism_therapy.

[32] Hameed, Μ. Α., Hassaballah, Μ., Hosney, Μ. Ε., & Alqahtani,Α. (2022). An AI-Enabled Internet of Things Based Autism Care System for Improving Cognitive Ability of Children with Autism Spectrum Disorders. Computational Intelligence and Neuroscience, p. 1 (1-12). Ανάκτηση από την ηλεκτρονική διεύθυνση https://www.hindawi.com/journals/cin/2022/2247675/.

[33] Chaudhuri, S. (2022). Artificial Intelligence in Autism Diagnosis & Therapy. Recent Trends and Future Innovations. Journal of Emerging Technologies and Innovative Research (JETIR), 9(10), p. b113 (113-121). https://www.jetir.org/papers/JETIR2210123.pdf.