Laut Studie kann ein KI-Modell Kleinkinder mit Autismusrisiko mit einer Genauigkeit von 80 % identifizieren

Neueste Forschungen haben das Potenzial künstlicher Intelligenz (KI) gezeigt, bei der Identifizierung autismusgefährdeter Kleinkinder zu helfen, mit einer Genauigkeitsrate von etwa 80 % für Kinder unter zwei Jahren.

Künstliche Intelligenz (KI) hat sich bei der Identifizierung von Kleinkindern mit Autismusrisiko als vielversprechend erwiesen, mit einer Genauigkeitsrate von etwa 80 % bei Kindern unter zwei Jahren, so eine aktuelle Studie.

Ein Forscherteam des Karolinska Institutet in Schweden hat ein auf maschinellem Lernen basierendes Screening-System entwickelt. Obwohl das KI-Modell herkömmliche Diagnosemethoden nicht ersetzen kann, könnte es dabei helfen, Kinder frühzeitig zu erkennen, die möglicherweise einer weiteren klinischen Untersuchung bedürfen.

„Mithilfe [des] KI-Modells kann es möglich sein, verfügbare Informationen zu nutzen und Personen mit einem erhöhten Risiko für Autismus zu identifizieren, damit sie früher eine Diagnose und Hilfe erhalten können“, sagte Dr. Kristiina Tammimies, Mitautorin der Studie.

Sie warnte jedoch davor, das Modell als eigenständiges Diagnoseinstrument zu betrachten, und bekräftigte, dass die endgültige Diagnose mithilfe klinischer Standardmethoden durchgeführt werden sollte.

Das KI-Modell wurde anhand von Daten der in den USA ansässigen Spark-Studie entwickelt, die Informationen über 15.330 mit Autismus diagnostizierte Kinder und eine gleiche Anzahl von Kindern ohne Autismus lieferte.

Aus medizinischen Fragebögen und Hintergrundfragebögen wählten die Forscher 28 Messwerte aus, die leicht ermittelt werden konnten, bevor Kinder 24 Monate alt waren, wie etwa das Alter beim ersten Lächeln, das Essverhalten und das Alter beim ersten Aufbau längerer Sätze.

Mit Hilfe von maschinellem Lernen zur Analyse von Mustern in den Daten verglich das Forschungsteam die identifizierten Muster zwischen autistischen und nicht-autistischen Kindern, um vier verschiedene Modelle zu erstellen und das effektivste für weitere Tests auszuwählen.

Bei der Anwendung auf einen separaten Datensatz von 11.936 Teilnehmern identifizierte das Modell 78,9 % der Kinder korrekt als autistisch oder nicht autistisch. Konkret betrug die Genauigkeit 78,5 % für Kinder im Alter bis zu zwei Jahren, 84,2 % für Kinder im Alter von zwei bis vier Jahren und 79,2 % für Kinder im Alter von vier bis zehn Jahren.

Ein zusätzlicher Test mit einem Datensatz von 2.854 autistischen Personen ergab eine geringere Genauigkeitsrate von 68 %, was die Forscher auf Unterschiede im Datensatz zurückführten, einschließlich einiger fehlender Parameter.

Die Studie identifizierte mehrere Schlüsselmaße, die die Vorhersage von Autismus durch das KI-Modell erheblich beeinflussten, darunter Probleme beim Verzehr bestimmter Nahrungsmittel, das Alter, in dem ein Kind zum ersten Mal längere Sätze bildete, das Alter, in dem ein Kind das Töpfchentraining absolvierte, und das Alter, in dem a Kind lächelte zuerst.

Diese Faktoren spielten laut dem Forschungsteam eine entscheidende Rolle für die Fähigkeit des Modells, zwischen autistischen und nicht-autistischen Kindern zu unterscheiden.

Weitere Analysen ergaben, dass das Modell Autismus tendenziell genauer bei Personen identifizieren konnte, die schwerwiegendere Symptome und umfassendere Entwicklungsprobleme aufwiesen. Dieses Ergebnis legt nahe, dass das Modell möglicherweise wirksamer bei der Erkennung von Fällen mit auffälligeren Entwicklungsherausforderungen im Zusammenhang mit Autismus ist.

Trotz der vielversprechenden Ergebnisse äußerten einige Experten Bedenken hinsichtlich der Fähigkeit des Modells, nicht-autistische Kinder korrekt zu identifizieren. Mit einer Genauigkeitsrate von 80 % könnte das Modell möglicherweise zu Überdiagnosen und unnötigem Stress für Familien führen, da 20 % der nicht-autistischen Kinder fälschlicherweise als möglicherweise autistisch gekennzeichnet werden könnten.

Professorin Ginny Russell von der University of Exeter warnte vor der Forderung nach Früherkennung, insbesondere bei sehr kleinen Kindern.

„Es kann schwierig sein, den Unterschied zwischen einem Kleinkind, das eine schwere Beeinträchtigung hat, und einem Kleinkind zu erkennen, das sich einfach langsamer entwickelt, aber irgendwann „aufholen“ wird. Ich würde nicht empfehlen, Kindern unter zwei Jahren ein psychiatrisches Etikett zu geben Grundlage einer begrenzten Reihe von Verhaltensindikatoren, beispielsweise ob sie bestimmte Lebensmittel essen“, sagte Russell.

Das obige ist der detaillierte Inhalt vonLaut Studie kann ein KI-Modell Kleinkinder mit Autismusrisiko mit einer Genauigkeit von 80 % identifizieren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!