AI 모델은 80%의 정확도로 자폐증 위험이 있는 유아를 식별할 수 있다는 연구 결과가 나왔습니다.

최근 연구에 따르면 인공 지능(AI)이 자폐증 위험이 있는 유아를 식별하는 데 도움을 줄 수 있는 잠재력이 입증되었으며, 2세 미만 어린이의 경우 정확도는 약 80%입니다.

최근 연구에 따르면 인공 지능(AI)은 자폐증 위험이 있는 유아를 식별하는 데 도움이 되는 것으로 나타났으며, 2세 미만 어린이의 정확도는 약 80%에 달합니다.

스웨덴 카롤린스카 연구소(Karolinska Institutet) 연구진이 머신러닝 기반 선별 시스템을 개발했습니다. AI 모델은 기존 진단 방법을 대체할 수는 없지만 추가 임상 평가가 필요한 어린이를 조기에 식별하는 데 도움이 될 수 있습니다.

"AI 모델을 사용하면 이용 가능한 정보를 활용하고 자폐증 가능성이 높은 개인을 식별하여 조기 진단과 도움을 받을 수 있습니다."라고 연구 공동 저자인 Kristiina Tammimies 박사는 말했습니다.

그러나 그녀는 모델을 독립형 진단 도구로 간주해서는 안 되며, 최종 진단은 표준 임상 방법을 통해 수행되어야 한다고 거듭 강조했습니다.

AI 모델은 자폐증 진단을 받은 15,330명의 어린이와 동일한 수의 자폐증이 없는 어린이에 대한 정보를 제공한 미국 기반 Spark 연구의 데이터를 사용하여 개발되었습니다.

의료 및 배경 설문지에서 연구원들은 처음 웃을 때의 나이, 식습관, 긴 문장을 처음 구성할 때의 나이 등 어린이가 24개월이 되기 전에 쉽게 얻을 수 있는 28가지 척도를 선택했습니다.

기계 학습을 사용하여 데이터의 패턴을 분석한 연구팀은 자폐아와 비자폐아 사이에서 식별된 패턴을 비교하여 4가지 모델을 구축하고 추가 테스트를 위해 가장 효과적인 모델을 선택했습니다.

11,936명의 참가자로 구성된 별도의 데이터 세트에 적용했을 때 모델은 78.9%의 어린이를 자폐증 또는 비자폐증으로 정확하게 식별했습니다. 구체적으로 2세까지는 78.5%, 2~4세는 84.2%, 4~10세는 79.2%의 정확도를 보였습니다.

2,854명의 자폐인 데이터 세트를 사용한 추가 테스트에서 정확도가 68%로 낮아졌는데, 이는 연구원들이 일부 누락된 매개변수를 포함한 데이터 세트의 차이 때문이라고 생각했습니다.

이 연구에서는 특정 음식 섭취 문제, 아이가 처음으로 긴 문장을 구성하는 연령, 배변 훈련을 받은 연령, 배변 훈련을 받은 연령 등을 포함하여 AI 모델의 자폐증 예측에 큰 영향을 미치는 몇 가지 주요 측정값을 확인했습니다. 아이가 먼저 웃었어요

연구팀에 따르면 이러한 요소는 자폐 아동과 비자폐 아동을 구별하는 모델의 능력에 중요한 역할을 했습니다.

추가 분석에 따르면 모델은 더 심각한 증상과 더 광범위한 발달 문제를 보이는 개인에게서 자폐증을 더 정확하게 식별하는 경향이 있는 것으로 나타났습니다. 이 발견은 이 모델이 자폐증을 수반하는 눈에 띄는 발달 문제가 있는 사례를 인식하는 데 더 효과적일 수 있음을 시사합니다.

유망한 결과에도 불구하고 일부 전문가들은 모델이 자폐아가 아닌 아동을 정확하게 식별하는 능력에 대해 우려를 표명했습니다. 80%의 정확도를 갖춘 모델은 잠재적으로 과잉 진단과 가족에게 불필요한 스트레스를 초래할 수 있습니다. 자폐증이 아닌 어린이의 20%가 자폐증 가능성이 있는 것으로 잘못 표시될 수 있기 때문입니다.

엑서터 대학의 Ginny Russell 교수는 특히 아주 어린 소아의 경우 조기 진단을 추진하는 것에 대해 주의를 환기시켰습니다.

“심각한 장애가 있는 유아와 단순히 발달 속도가 더디지만 결국 따라잡게 되는 유아의 차이를 구별하기는 어려울 수 있습니다. 2세 미만의 어린이에게는 정신과 라벨을 적용하지 않는 것이 좋습니다. 특정 음식을 먹는지 여부와 같은 제한된 범위의 행동 지표를 기반으로 합니다."라고 Russell은 말했습니다.

위 내용은 AI 모델은 80%의 정확도로 자폐증 위험이 있는 유아를 식별할 수 있다는 연구 결과가 나왔습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!