研究人员表示，人工智能可以帮助专家识别可能患有自闭症的幼儿，在开发出一种筛查系统后，他们称该系统对于两岁以下儿童的准确率约为 80%。
研究人员表示，他们的方法基于一种称为机器学习的人工智能，可以带来好处。
该研究的合著者、瑞典卡罗林斯卡学院的克里斯蒂娜·塔米米斯 (Kristiina Tammimies) 博士表示：“使用人工智能模型，可以利用现有信息，更早地识别出患有自闭症可能性较高的个体，以便他们能够更早地得到治疗。”诊断和帮助。”
但是，她补充道：“我想强调的是，该算法无法诊断自闭症，因为这应该[仍然]使用黄金标准临床方法来完成。”
这并不是研究人员第一次尝试利用人工智能来筛查自闭症。在其他研究中，科学家此前曾将此类技术与儿童视网膜扫描结合使用。
Tammmies 和同事在《Jama Network Open》杂志上撰文，报告了他们如何利用美国一项名为 Spark 研究的研究计划的数据，该研究包含来自 15,330 名被诊断患有自闭症的儿童和 15,330 名非自闭症儿童的信息。
该团队描述了他们如何根据家长从医学和背景调查问卷中报告的信息（例如第一次微笑的年龄），重点研究在孩子 24 个月大之前可以轻松获得的 28 项指标。
然后，他们创建了机器学习模型，在自闭症和非自闭症儿童中寻找这些特征组合的不同模式。
在使用这些数据构建、调整和测试四种不同的模型后，该团队选择了最有希望的一个，并在由 11,936 名参与者组成的进一步数据集上进行了测试，这些参与者都可以获得相同功能的数据。其中共有 10,476 名参与者被诊断为自闭症。
结果显示，总体而言，该模型正确识别了 9,417 名（78.9%）患有或不患有自闭症谱系障碍的参与者，其中两岁以下儿童的准确率为 78.5%，二至四岁儿童的准确率为 84.2%，二岁至四岁儿童的准确率为 79.2%。 4至10岁的人。
使用包含 2,854 名自闭症患者的另一组数据进行的进一步测试显示，该模型正确识别了 68% 的自闭症患者。
Tammmies 说：“这个数据集是另一个研究队列，其中的家庭只有一个患有自闭症的孩子，并且缺少一些参数，因此性能稍低，表明我们需要做更多的开发。”
研究人员表示，对于模型的预测来说，最重要的指标包括饮食问题、首次构建较长句子的年龄、进行如厕训练的年龄以及第一次微笑的年龄。
研究小组补充说，另一项分析比较了模型正确识别为自闭症的参与者和错误识别为非自闭症的参与者，表明该模型倾向于识别具有更严重症状和更普遍的发育问题的个体的自闭症。
然而，一些专家敦促谨慎行事，指出该模型正确识别非自闭症患者的能力仅为 80%，这意味着 20% 的人会被错误地标记为可能患有自闭症。他们还指出，推动早期诊断可能会存在问题。
埃克塞特大学的金妮·拉塞尔教授表示，这是因为很难判断哪些幼儿可能有非常严重的障碍，哪些幼儿尽管起步缓慢，但会“迎头赶上”。
“我的建议是低于[两年]，根据饮食行为等一些迹象开始应用精神病学标签还为时过早，”她说。
版权声明
本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除