一種新的機器學習模型可以從相對有限的信息中預測幼兒的自閉癥。卡羅琳斯卡醫(yī)學院在JAMA Network Open上發(fā)表的一項新研究中證明了這一點。該模型可以促進自閉癥的早期發(fā)現，這對于提供正確的支持非常重要。
卡羅琳斯卡醫(yī)學院婦女和兒童健康系 KIND 副教授兼這項研究的最后一位作者 Kristiina Tammimies 表示：“對于兩歲以下兒童的診斷準確率接近 80%，我們希望這將成為一種有價值的醫(yī)療保健工具。”
研究小組使用了一個大型美國數據庫(SPARK)，其中包含約 30,000 名患有和不患有自閉癥譜系障礙的個體的信息。
通過分析 28 種不同參數的組合，研究人員開發(fā)了四種不同的機器學習模型來識別數據中的模式。所選參數是 24 個月大之前無需進行大量評估和醫(yī)學測試即可獲得的兒童信息。表現最佳的模型名為“AutMedAI”。
在約 12,000 名受試者中，AutMedAI 模型能夠識別出約 80% 的自閉癥兒童。具體結合其他參數，第一次微笑的年齡、第一個短句以及進食困難是自閉癥的有力預測因素。
“這項研究的結果意義重大，因為它們表明，從相對有限且容易獲得的信息中識別出可能患有自閉癥的個體是可能的，”這項研究的第一作者、卡羅琳斯卡醫(yī)學院同一系的附屬研究員、現任印度生物信息學和應用技術研究所助理教授的 Shyam Rajagopalan 說。
研究人員表示，早期診斷對于實施有效的干預措施以幫助自閉癥兒童實現最佳發(fā)展至關重要。
拉賈戈帕蘭說：“這可以徹底改變早期診斷和干預的條件，并最終改善許多個人及其家庭的生活質量。”
在研究中，人工智能模型在識別存在更廣泛的社交溝通和認知能力障礙以及更普遍發(fā)育遲緩的兒童方面表現出了良好的效果。
研究團隊目前正計劃在臨床環(huán)境中進一步改進和驗證該模型。他們還在努力將遺傳信息納入模型中，這可能會帶來更具體、更準確的預測。
“為了確保該模型足夠可靠，可以在臨床環(huán)境中實施，需要嚴謹的工作和仔細的驗證。我想強調的是，我們的目標是讓該模型成為醫(yī)療保健的寶貴工具，它并非旨在取代自閉癥的臨床評估，”Tammimies 說。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！