人工智能模型有助于早期发现自闭症

　　一种新的机器学习模型可以从相对有限的信息中预测幼儿的自闭症。卡罗林斯卡学院发表在《美国医学会杂志网络公开版》上的一项新研究表明了这一点。该模型可以促进自闭症的早期发现，这对于提供正确的支持非常重要。

　　

一种新的机器学习模型可以从相对有限的信息中预测幼儿的自闭症。卡罗林斯卡学院发表在《美国医学会杂志网络公开版》上的一项新研究表明了这一点。该模型可以促进自闭症的早期发现，这对于提供正确的支持非常重要。

“对于两岁以下的儿童，准确率几乎达到80%，我们希望这将成为医疗保健的宝贵工具，”卡罗林斯卡学院妇女和儿童健康系KIND副教授，该研究的最后作者克里斯蒂娜·塔米米斯说。

该研究小组使用了一个大型美国数据库(SPARK)，其中包含大约30,000名患有或不患有自闭症谱系障碍的人的信息。

通过分析28个不同参数的组合，研究人员开发了四种不同的机器学习模型来识别数据中的模式。所选择的参数是在24个月以前不需要进行广泛评估和医学检查就能获得的有关儿童的信息。表现最好的模型被命名为“AutMedAI”。

在大约1.2万人中，AutMedAI模型能够识别出大约80%的自闭症儿童。在与其他参数的特定组合中，第一次微笑的年龄，第一次简短的句子和饮食困难的存在是自闭症的有力预测因素。

该研究的第一作者Shyam Rajagopalan说:“这项研究的结果意义重大，因为它们表明，有可能从相对有限和现成的信息中识别出可能患有自闭症的个体，”他是卡罗林斯卡学院同一部门的附属研究员，目前是印度生物信息学和应用技术研究所的助理教授。

根据研究人员的说法，早期诊断对于实施有效的干预措施至关重要，这可以帮助自闭症儿童获得最佳发展。

“这可以极大地改变早期诊断和干预的条件，并最终改善许多个人及其家庭的生活质量，”Shyam Rajagopalan说。

在这项研究中，人工智能模型在识别更广泛的社交和认知能力困难以及更普遍的发育迟缓的儿童方面表现出了良好的效果。

研究小组目前正计划在临床环境中进一步改进和验证该模型。将遗传信息纳入模型的工作也在进行中，这可能会导致更具体、更准确的预测。

“为了确保该模型足够可靠，可以在临床环境中实施，需要严格的工作和仔细的验证。我想强调的是，我们的目标是让这个模型成为医疗保健的一个有价值的工具，而不是要取代自闭症的临床评估，”克里斯蒂娜·塔米米斯说。

这项研究由瑞典战略研究基金会、Hj?rnfonden和Stratneuro资助。