一个突破性的机器学习模型已被开发出来，可以利用最少的信息预测年轻儿童的自闭症。这一进展对实现早期自闭症检测至关重要，这对提供适当的支持是必需的。
这一突破性的机器学习模型是由卡罗林斯卡医学院进行的一项最近研究得出的，并发表在《JAMA Network Open》上。该模型促进了早期自闭症检测，这对提供必要的支持至关重要。
“对于两岁以下的儿童，准确率接近80%，我们预计这将成为医疗保健的重要工具，”卡罗林斯卡医学院妇女与儿童健康系KIND的副教授、该研究的最后作者Kristiina Tammimies表示。
研究团队利用了一个庞大的美国数据库（SPARK），该数据库包含约30,000名患有和未患有自闭症谱系障碍的个体数据。
通过检查28个不同的参数，研究人员创建了四个独特的机器学习模型以检测数据中的模式。选择的参数是关于儿童的可获取信息，这些信息可以在儿童到达24个月之前，无需全面评估或医学测试便收集到。表现最佳的模型命名为“AutMedAI”。
在大约12,000名个体中，AutMedAI模型成功识别出约80%的自闭症儿童。某些因素，包括第一次微笑的年龄、孩子第一次说出短句的年龄以及进食问题，当以特定组合使用时，强烈表明自闭症的存在。
“研究结果重要，因为它们展示了使用相对简单且易于获取的信息来识别可能有自闭症的个体的潜力，”研究的第一作者、卡罗林斯卡医学院的附属研究员，同时也是印度生物信息学与应用技术研究所的助理教授Shyam Rajagopalan表示。
研究人员认为，早期诊断是实施有效干预措施以支持自闭症儿童最佳发展的关键。
“这可能会显著提升早期诊断和干预的过程，最终改善众多个体及其家庭的生活质量，”Shyam Rajagopalan强调道。
该人工智能模型在识别在社交沟通、认知能力和更一般的发展延迟方面遇到重大挑战的儿童方面表现出色。
研究团队现在正在寻找进一步的改进和在临床环境中验证模型的方法。与此同时，他们还在努力将遗传信息纳入模型，这可能会提高预测的特异性和准确性。
“为了使该模型在临床使用中足够可靠，需要细致的验证和严格的发展。我想强调的是，我们的目标是使模型成为医疗专业人员的有价值资源，而不是替代正式的临床自闭症评估。”Kristiina Tammimies说。
该研究获得了瑞典战略研究基金会、Hjärnfonden和Stratneuro的资助。
