AI моделът помага за ранното откриване на аутизъм

Нов модел на машинно обучение може да предвиди аутизъм при малки деца от относително ограничена информация, според ново проучване на Karolinska Institutet, публикувано в списанието JAMA Network Open. Този модел може да улесни ранното откриване на аутизъм, което е важно за осигуряване на правилната подкрепа.

Kristiina Tammimies, доцент в KIND, Департамента по женско и детско здраве, Karolinska Institutet, един от авторите на изследването, казва: „С точност от почти 80% за деца под две години се надяваме, че това ще бъде ценен инструмент за грижа за здравето”.

Изследователският екип използва голяма американска база данни (SPARK) с информация за приблизително 30 000 индивида със и без разстройства от аутистичния спектър.

Анализирайки комбинация от 28 различни параметъра, изследователите разработиха четири различни модела за машинно обучение, за да идентифицират модели в данните. Избраните параметри са информация за деца, която може да бъде получена без задълбочени оценки и медицински тестове преди 24-месечна възраст. Най-добре представящият се модел беше наречен „AutMedAI“.

Сред около 12 000 индивида моделът AutMedAI успя да идентифицира около 80% от децата с аутизъм. В специфична комбинация с други параметри, възрастта на първата усмивка, първото кратко изречение и наличието на затруднения с храненето са силни предиктори за аутизъм.

Shyam Rajagopalan, друг автор на изследването, асоцииран изследовател в същия отдел в Karolinska Institutet и понастоящем асистент в Института по биоинформатика и приложни технологии, Индия, казва: „Резултатите от това проучване са значими, защото показват, че е е възможно да се идентифицират лица, които е вероятно да имат аутизъм, от сравнително ограничена и лесно достъпна информация.

Според изследователите ранната диагностика е от решаващо значение за прилагането на ефективни интервенции, които могат да помогнат на децата с аутизъм да се развиват оптимално.

„Този ​​инструмент може драстично да промени условията за ранна диагностика и интервенции и в крайна сметка да подобри качеството на живот на много хора и техните семейства“, казва Раджагопалан.

В проучването AI моделът показа добри резултати при идентифицирането на деца с повече затруднения в социалната комуникация и когнитивните способности и с повече изоставане в развитието.

Сега изследователският екип планира допълнителни подобрения и валидиране на модела в клинични условия. Работи се и по включването на генетична информация в модела, което може да доведе до още по-конкретни и точни прогнози.

„За да се гарантира, че моделът е достатъчно надежден, за да бъде приложен в клиничен контекст, е необходима строга работа и внимателно валидиране. Искам да подчертая, че нашата цел е моделът да се превърне в ценен инструмент за здравеопазване и не е предназначен да замени клиничната оценка на аутизма“, казва Таммиес.

Източник на информация:

Shyam Rajagopalan и др. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229