研究发现 AI 模型可以识别有自闭症风险的幼儿，准确率达 80%

最近的研究表明，人工智能 (AI) 在协助识别有自闭症风险的幼儿方面具有潜力，对于两岁以下儿童的准确率约为 80%。

最近的研究表明，人工智能 (AI) 在帮助识别有自闭症风险的幼儿方面显示出良好的前景，对于两岁以下儿童的准确率约为 80%。

瑞典卡罗林斯卡学院的一组研究人员开发了一种基于机器学习的筛查系统。虽然人工智能模型无法取代传统的诊断方法，但它可以帮助尽早识别可能需要进一步临床评估的儿童。

研究合著者 Kristiina Tammimies 博士说：“使用人工智能模型，可以利用现有信息并识别自闭症可能性较高的个体，以便他们能够得到早期诊断和帮助。”

不过，她警告说，该模型不应被视为独立的诊断工具，并重申最终诊断应通过标准的临床方法进行。

人工智能模型是使用美国 Spark 研究的数据开发的，该研究提供了 15,330 名被诊断患有自闭症的儿童和同等数量的无自闭症儿童的信息。

研究人员从医学和背景调查问卷中，选择了28个在孩子24个月大之前可以轻松获得的衡量标准，例如第一次微笑的年龄、饮食行为和第一次构建较长句子的年龄。

研究团队利用机器学习分析数据中的模式，比较了自闭症和非自闭症儿童之间识别出的模式，建立了四种不同的模型，选择最有效的一个进行进一步测试。

当应用于包含 11,936 名参与者的单独数据集时，该模型正确识别出 78.9% 的儿童为自闭症或非自闭症。具体来说，两岁以下儿童的准确率为78.5%，两岁至四岁儿童的准确率为84.2%，四岁至十岁儿童的准确率为79.2%。

使用 2,854 名自闭症患者的数据集进行的额外测试导致准确率较低，为 68%，研究人员将其归因于数据集的差异，包括一些缺失的参数。

该研究确定了几个对人工智能模型对自闭症预测有显着影响的关键指标，包括吃某些食物的问题、孩子第一次构造较长句子的年龄、孩子进行如厕训练的年龄以及开始如厕训练的年龄。孩子第一次笑了。

研究团队表示，这些因素在模型区分自闭症和非自闭症儿童的能力中发挥了至关重要的作用。

进一步的分析表明，该模型倾向于更准确地识别表现出更严重症状和更广泛发育问题的个体的自闭症。这一发现表明，该模型可能更有效地识别自闭症伴随的更明显的发育挑战的病例。

尽管结果令人鼓舞，但一些专家对该模型正确识别非自闭症儿童的能力表示担忧。该模型的准确率高达 80%，可能会导致过度诊断，并给家庭带来不必要的压力，因为 20% 的非自闭症儿童可能被错误地标记为可能患有自闭症。

埃克塞特大学的金妮·拉塞尔教授对推动早期诊断，尤其是幼儿的早期诊断发出了警告。

“很难区分患有严重障碍的幼儿和只是发育较慢但最终会‘赶上来’的幼儿。我不建议对两岁以下的儿童贴上精神病学标签。罗素说：“基于有限范围的行为指标，例如他们是否吃某些食物。”

以上是研究发现 AI 模型可以识别有自闭症风险的幼儿，准确率达 80%的详细内容。更多信息请关注PHP中文网其他相关文章！