原创 聚疗
随着科学技术的发展,人工智能在各个领域的研究应用越来越广泛,近年来,其在自闭症筛查领域的研究运用,也备受青睐。
2017年2月,《Nature》上就曾刊登一项关于人工智能在自闭症早期筛查上的重要科研成果,是美国北卡罗来纳大学(UNC)教堂山分校精神病学家Heather Hazlett带领团队基于自闭症早期大脑的变化,开发了一种深度学习算法,预测2岁前的自闭症高危儿童(有个自闭症哥哥或者姐姐)是否会在2岁之后被诊断为自闭症,以88%的准确度远超准确度只有50%的传统行为问卷调查法。
2019年,美国《国家科学院学报》上的一项新研究显示,美国波士顿儿童医院的研究人员基于自闭症谱系障碍患者的大脑胆碱能神经环路异常,而大脑胆碱能神经环路异常会伴随患者瞳孔自发扩张或收缩以及心率异常,开发了一种深度学习算法,使用心率波动作为量化标准,通过人工智能分析瞳孔变化或心率波动帮助尽早诊断这类疾病。
今年8月份,《Naturemedicine》上新发表了题为《一种多维精准的医学方法鉴定一种以血脂异常为特征的孤独症亚型》的最新研究,这项研究是由美国哈佛医学院生物医学信息学系和麻省理工学院计算机科学与人工智能实验室的研究人员联合进行,研究人员首次使用最先进的一种AI 算法:图聚类算法,将自闭症的生物医学和临床医疗大数据整合在一起,确定确定了以血脂异常为特征的自闭症亚型。该研究对自闭症的早期筛查和干预意义重大,提示我们常规的血脂化验可有助于筛查新生儿自闭症的风险,并为自闭症的早期干预提供了新的方向。
自闭症作为当代医学一大难题,由于病因复杂,缺乏有效的治愈方法,早发现,早治疗,抓住黄金干预期,对患者至关重要。但由于目前对于自闭症早期筛查通常都是来自于家长和老师的行为观察,早期的诊断也都是基于行为观察和问卷调查的方法,绝大部分的儿童,在2岁前很难得到准确的筛查和判断 。人工智能技术的研究运用,则可以在更早期进行识别筛查,有望为自闭症的确诊和及早干预节省宝贵的时间。
但由于自闭症儿童病因复杂多样,个体差异性和能力表现差别都很大,对于人工智能在自闭症儿童早期筛查和治疗广泛运用而言,可能面临的重大挑战依然有很多,亟待科研工作者付出更多的努力,我们也期待更精准化的人工智能技术早日实现运用,更普遍的帮助自闭症儿童。