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。卡罗琳斯卡医学院在JAMA Network Open上发表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，这对于提供正确的干预支持非常重要。
卡罗琳斯卡医学院妇女与儿童健康系KIND副教授兼这项研究的最后一位作者Kristiina Tammimies说道：“对于两岁以下儿童的诊断准确率接近80%，我们希望这将成为一种有价值的医疗保健工具。”
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。在与其他参数的特定组合中，第一次微笑的年龄、第一个短句的年龄以及是否存在进食困难是自闭症的有力预测因素。
“这项研究的结果意义重大，因为它们表明，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是可能的。”这项研究的第一作者、卡罗琳斯卡医学院同一部门的附属研究员、现任印度生物信息学和应用技术研究所助理教授的Shyam Rajagopalan说。
研究人员表示，早期诊断对于实施有效的干预措施以帮助自闭症儿童实现最佳发展至关重要。
“这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。”Shyam Rajagopalan说。
在研究中，人工智能模型在识别存在更广泛的社交沟通和认知能力障碍以及更普遍发育迟缓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，而不是要取代自闭症的临床评估。”Kristiina Tammimies说。
