人工智能模型有助于早期发现自闭症

卡罗琳斯卡医学院发表在《JAMA Network Open》杂志上的一项新研究表明，一种新的机器学习模型可以根据相对有限的信息预测幼儿的自闭症。该模型有助于早期发现自闭症，这对于提供正确的支持至关重要。

这项研究的作者之一、卡罗琳斯卡医学院妇女和儿童健康系 KIND 副教授克里斯蒂娜·塔米米斯 (Kristiina Tammimies) 表示：“对于两岁以下儿童的准确率接近 80%，我们希望这将成为医疗保健的宝贵工具”。

研究小组使用了一个大型美国数据库（SPARK），其中包含约 30,000 名患有和不患有自闭症谱系障碍的个体的信息。

通过分析 28 种不同参数的组合，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。所选参数是 24 个月大之前无需进行大量评估和医学测试即可获得的儿童信息。表现最佳的模型名为“AutMedAI”。

在约 12,000 名受试者中，AutMedAI 模型能够识别出约 80% 的自闭症儿童。具体结合其他参数，第一次微笑的年龄、第一个短句以及进食困难是自闭症的有力预测因素。

这项研究的另一位作者、卡罗琳斯卡医学院同一系的附属研究员、现任印度生物信息学和应用技术研究所助理教授的 Shyam Rajagopalan 表示：“这项研究的结果意义重大，因为它们表明，可以从相对有限且容易获得的信息中识别出可能患有自闭症的个体。”

研究人员表示，早期诊断对于实施有效干预措施以帮助自闭症儿童实现最佳发展至关重要。

“这种工具可以彻底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，”Rajagopalan 说。

在研究中，人工智能模型在识别社交沟通和认知能力较差、发育迟缓较严重的儿童方面表现出了良好的效果。

研究团队目前正计划在临床环境中进一步改进和验证该模型。他们还在努力将遗传信息纳入模型中，这可能会带来更具体、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，需要严谨的工作和仔细的验证。我想强调的是，我们的目标是让该模型成为医疗保健的宝贵工具，它并非旨在取代自闭症的临床评估，”Tammimies 说。

信息来源：

Shyam Rajagopalan 等人 [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]。 DOI：10.1001/jamanetworkopen.2024.29229