一種新的機(jī)器學(xué)習(xí)模型可以從相對(duì)有限的信息中預(yù)測(cè)幼兒的自閉癥?？_琳斯卡醫(yī)學(xué)院在JAMA Network Open上發(fā)表的一項(xiàng)新研究中證明了這一點(diǎn)。該模型可以促進(jìn)自閉癥的早期發(fā)現(xiàn)，這對(duì)于提供正確的支持非常重要。
卡羅琳斯卡醫(yī)學(xué)院婦女和兒童健康系 KIND 副教授兼這項(xiàng)研究的最后一位作者 Kristiina Tammimies 表示：“對(duì)于兩歲以下兒童的診斷準(zhǔn)確率接近 80%，我們希望這將成為一種有價(jià)值的醫(yī)療保健工具。”
研究小組使用了一個(gè)大型美國(guó)數(shù)據(jù)庫(kù)(SPARK)，其中包含約 30,000 名患有和不患有自閉癥譜系障礙的個(gè)體的信息。
通過(guò)分析 28 種不同參數(shù)的組合，研究人員開(kāi)發(fā)了四種不同的機(jī)器學(xué)習(xí)模型來(lái)識(shí)別數(shù)據(jù)中的模式。所選參數(shù)是 24 個(gè)月大之前無(wú)需進(jìn)行大量評(píng)估和醫(yī)學(xué)測(cè)試即可獲得的兒童信息。表現(xiàn)最佳的模型名為“AutMedAI”。
在約 12,000 名受試者中，AutMedAI 模型能夠識(shí)別出約 80% 的自閉癥兒童。具體結(jié)合其他參數(shù)，第一次微笑的年齡、第一個(gè)短句以及進(jìn)食困難是自閉癥的有力預(yù)測(cè)因素。
“這項(xiàng)研究的結(jié)果意義重大，因?yàn)樗鼈儽砻鳎瑥南鄬?duì)有限且容易獲得的信息中識(shí)別出可能患有自閉癥的個(gè)體是可能的，”這項(xiàng)研究的第一作者、卡羅琳斯卡醫(yī)學(xué)院同一系的附屬研究員、現(xiàn)任印度生物信息學(xué)和應(yīng)用技術(shù)研究所助理教授的 Shyam Rajagopalan 說(shuō)。
研究人員表示，早期診斷對(duì)于實(shí)施有效的干預(yù)措施以幫助自閉癥兒童實(shí)現(xiàn)最佳發(fā)展至關(guān)重要。
拉賈戈帕蘭說(shuō)：“這可以徹底改變?cè)缙谠\斷和干預(yù)的條件，并最終改善許多個(gè)人及其家庭的生活質(zhì)量。”
在研究中，人工智能模型在識(shí)別存在更廣泛的社交溝通和認(rèn)知能力障礙以及更普遍發(fā)育遲緩的兒童方面表現(xiàn)出了良好的效果。
研究團(tuán)隊(duì)目前正計(jì)劃在臨床環(huán)境中進(jìn)一步改進(jìn)和驗(yàn)證該模型。他們還在努力將遺傳信息納入模型中，這可能會(huì)帶來(lái)更具體、更準(zhǔn)確的預(yù)測(cè)。
“為了確保該模型足夠可靠，可以在臨床環(huán)境中實(shí)施，需要嚴(yán)謹(jǐn)?shù)墓ぷ骱妥屑?xì)的驗(yàn)證。我想強(qiáng)調(diào)的是，我們的目標(biāo)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(píng)估，”Tammimies 說(shuō)。
標(biāo)簽：
免責(zé)聲明：本文由用戶(hù)上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！