In einer neuen Studie, die in JAMA Network Open veröffentlicht wurde, wurde KI zur Identifizierung von Kleinkindern eingesetzt, die möglicherweise an einer Autismus-Spektrum-Störung (ASD) leiden.
Forscher am Karolinska Institutet in Schweden haben ein maschinelles Lernmodell entwickelt, das Autismus bei Kindern unter zwei Jahren mit einer Genauigkeit von etwa 80% vorhersagen kann, wobei nur grundlegende medizinische und Hintergrundinformationen verwendet werden.
Die StudieDie von Dr. Kristiina Tammimies und ihrem Team geleitete Studie verwendete Daten aus der Datenbank der Simons Foundation Powering Autism Research for Knowledge (SPARK), die umfangreiche Informationen über Menschen mit Autismus und ihre Familien enthält.
Die Forscher analysierten die Daten von 30.660 Teilnehmern, die sich gleichmäßig auf Personen mit und ohne Autismus-Diagnose verteilten.
"Mit Hilfe des KI-Modells kann es möglich sein, verfügbare Informationen zu nutzen und Personen mit erhöhter Autismuswahrscheinlichkeit früher zu identifizieren, damit sie eine frühere Diagnose und Hilfe erhalten können. sagte Dr. Tammimiesund betonen die möglichen Auswirkungen ihrer Arbeit.
Das Team konzentrierte sich auf 28 leicht zugängliche Messwerte, die erhoben werden können, bevor ein Kind 24 Monate alt ist.
Dazu gehörten Angaben der Eltern aus medizinischen Fragebögen und Fragebögen zum Hintergrund, wie z. B. das Alter beim ersten Lächeln, das Essverhalten und die Meilensteine der Sprachentwicklung.
Die Forscher erstellten und testeten dann vier verschiedene Modelle für maschinelles Lernen und wählten schließlich das leistungsstärkste aus, das sie AutMedAI" nannten.
Vielversprechende Ergebnisse
Zur Gewährleistung der AutMedAI Modell bei verschiedenen Personengruppen gut funktionierte, testete das Team es an zwei verschiedenen Datensätzen:
- Fast 12.000 neue Teilnehmer aus einer aktualisierten Version ihrer ursprünglichen Datenbank
- Etwa 3.000 Personen mit Autismus aus einer anderen Studie
Die Ergebnisse waren ermutigend. Bei Tests mit dem größeren Datensatz neuer Teilnehmer erkannte die KI bei 78,9% der Kinder korrekt, ob sie Autismus hatten oder nicht. Das bedeutet, dass sie in etwa 4 von 5 Fällen richtig lag.
Dr. Tammimies merkte an: "Ich möchte betonen, dass der Algorithmus keine Autismus-Diagnose stellen kann, da dies [noch] mit klinischen Goldstandard-Methoden erfolgen sollte."
Die Forscher fanden auch Merkmale, die besonders vorhersagbar für Autismus waren.
Dazu gehörten Probleme mit der Nahrungsaufnahme, das Alter, in dem Kinder zum ersten Mal längere Sätze bilden, das Alter, in dem sie aufs Töpfchen gehen, und das Alter, in dem sie zum ersten Mal lächeln.
Interessanterweise war die Leistung des Modells über verschiedene Altersgruppen, Geschlechter und rassische Hintergründe hinweg robust.
Dies ist besonders bemerkenswert, da einige bestehende Screening-Tools bei der Erkennung von Autismus in verschiedenen Gruppen Verzerrungen gezeigt haben.
Eine frühzeitige Diagnose kann die Ergebnisse für die Patienten verbessern
Die Früherkennung von Autismus ist lebenswichtig. Sie öffnet die Tür zu rechtzeitigen Interventionen, die die Entwicklung eines Kindes und seine langfristigen Ergebnisse enorm verbessern können.
Dr. Shyam Rajagopalan, der Erstautor der Studie, erklärte: "Dies kann die Bedingungen für eine frühzeitige Diagnose und Intervention drastisch verändern und letztlich die Lebensqualität vieler Menschen und ihrer Familien verbessern."
Die Forscher weisen jedoch darauf hin, dass eine weitere Validierung im klinischen Umfeld erforderlich ist, bevor das Modell eingeführt wird.
Sie arbeiten auch daran, genetische Informationen in das Modell einzubeziehen, was seine Genauigkeit weiter erhöhen könnte.
Natürlich ergänzen KI-Diagnoseinstrumente nur andere klinische Beobachtungen - und sie nicht ersetzen.
Diese Forschung reiht sich ein in eine wachsende Zahl von Arbeiten, die KI-Anwendungen im Bereich der psychischen Gesundheit untersuchen.
Jüngste Studien haben beispielsweise das Potenzial von KI in folgenden Bereichen aufgezeigt Vorhersage von Angstzuständen auf der Grundlage der Reaktionen von Personen auf Fotos und bei der Unterstützung der Diagnose der Schizophrenie.
Andere KI-gestützte Frühdiagnosesysteme wurden für neurologische Erkrankungen entwickelt, wie zum Beispiel Parkinsonund zeigt, wie die Technologie das frühzeitige Eingreifen und die Behandlung unterstützen kann.
