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中证明了这一点。该模型可以促进自闭症的早期发现,这对于提供正确的支持非常重要。
卡罗琳斯卡医学院妇女和儿童健康系 KIND 副教授兼这项研究的最后一位作者 Kristiina Tammimies 表示:“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 说。