In een nieuw onderzoek, gepubliceerd in JAMA Network Open, werd AI gebruikt om peuters te identificeren die mogelijk een autismespectrumstoornis (ASS) hebben.
Onderzoekers van het Karolinska Institutet in Zweden hebben een machine learning model ontwikkeld dat autisme kan voorspellen met een nauwkeurigheid van ongeveer 80% bij kinderen jonger dan twee jaar, met alleen medische basisinformatie en achtergrondinformatie.
De onderzoekonder leiding van Dr. Kristiina Tammimies en haar team, gebruikten gegevens uit de Simons Foundation Powering Autism Research for Knowledge (SPARK) database, die uitgebreide informatie bevat over personen met autisme en hun families.
De onderzoekers analyseerden gegevens van 30.660 deelnemers, gelijk verdeeld tussen mensen met en zonder diagnose autisme.
"Met behulp van [het] AI-model kan het mogelijk zijn om beschikbare informatie te gebruiken en individuen met een verhoogde kans op autisme eerder te identificeren, zodat ze eerder gediagnosticeerd en geholpen kunnen worden". zei Dr. TammimiesZe benadrukken de potentiële impact van hun werk.
Het team richtte zich op 28 gemakkelijk te verkrijgen maatregelen die verzameld konden worden voordat een kind 24 maanden oud werd.
Deze omvatten door ouders gerapporteerde informatie uit medische en achtergrondvragenlijsten, zoals leeftijd bij de eerste lach, eetgedrag en mijlpalen in taalontwikkeling.
De onderzoekers creëerden en testten vervolgens vier verschillende modellen voor machinaal leren en kozen uiteindelijk het best presterende model, dat ze "AutMedAI" noemden.
Veelbelovende resultaten
Om de AutMedAI Omdat het model goed werkte op verschillende groepen mensen, testte het team het op twee afzonderlijke datasets:
- Bijna 12.000 nieuwe deelnemers uit een bijgewerkte versie van hun oorspronkelijke database
- Ongeveer 3.000 personen met autisme uit een ander onderzoek
De resultaten waren bemoedigend. Bij het testen van de grotere dataset met nieuwe deelnemers identificeerde de AI 78,9% van de kinderen correct als kinderen met of zonder autisme. Dit betekent dat het in ongeveer 4 op de 5 gevallen nauwkeurig was.
Dr. Tammimies merkte op: "Ik wil benadrukken dat het algoritme geen autisme kan diagnosticeren, omdat dit [nog steeds] moet worden gedaan met gouden standaard klinische methoden."
De onderzoekers vonden ook kenmerken die bijzonder voorspellend waren voor autisme.
Deze omvatten problemen met het eten van voedsel, de leeftijd waarop kinderen voor het eerst langere zinnen opbouwden, de leeftijd waarop ze zindelijk werden en de leeftijd waarop ze voor het eerst glimlachten.
Interessant is dat de prestaties van het model robuust waren voor verschillende leeftijdsgroepen, geslachten en raciale achtergronden.
Dit is vooral opmerkelijk omdat sommige bestaande screeningsinstrumenten een vertekend beeld geven van autisme bij verschillende groepen.
Een vroege diagnose kan de resultaten voor de patiënt verbeteren
Vroege opsporing van autisme is van vitaal belang. Het opent de deur naar tijdige interventies die de ontwikkeling en langetermijnresultaten van een kind enorm kunnen verbeteren.
Dr. Shyam Rajagopalan, eerste auteur van het onderzoek, legt uit: "Dit kan de voorwaarden voor vroegtijdige diagnose en interventies drastisch veranderen en uiteindelijk de kwaliteit van leven voor veel mensen en hun families verbeteren."
De onderzoekers waarschuwen echter dat verdere validatie in klinische settings nodig is voordat het model wordt uitgerold.
Ze werken ook aan het opnemen van genetische informatie in het model, wat de nauwkeurigheid nog verder zou kunnen vergroten.
Natuurlijk vormen AI-diagnostische hulpmiddelen slechts een aanvulling op andere klinische waarnemingen - en niet vervangen.
Dit onderzoek sluit aan bij een groeiend aantal onderzoeken naar AI-toepassingen in de geestelijke gezondheidszorg.
Recente studies hebben bijvoorbeeld het potentieel van AI aangetoond in angstniveaus voorspellen gebaseerd op de reacties van individuen op foto's, en bij het helpen met de diagnose van schizofrenie.
Andere AI-gestuurde systemen voor vroegtijdige diagnose zijn ontwikkeld voor neurologische aandoeningen, zoals Parkinsonen laat zien hoe de technologie vroegtijdige interventie en behandeling kan ondersteunen.
