
卡罗琳学院的研究人员开发了一种机器学习模型 AutMedAI,利用一组 28 个参数(在 24 个月大之前可轻松收集),能够以近 80% 的准确率预测 2 岁以下儿童的自闭症。
发表在《美国医学会杂志网络开放版》上的这项研究,突出了该模型识别关键预测因素(如首次微笑的年龄和进食困难的存在)的能力。这一突破有望促进早期干预,提高受影响个体及其家庭的生活质量。
自闭症预测模型
卡罗林斯卡学院女性与儿童健康系副教授、该研究的最后一位作者克里斯蒂娜·塔米米斯说:“对于两岁以下儿童的准确率达到近80%,我们希望这将成为医疗领域的宝贵工具。”
研究小组使用了美国的一个大型数据库(SPARK),其中包含了约3万名有和无自闭症谱系障碍人士的信息。

通过分析28种不同参数的组合,研究人员开发了四种不同的机器学习模型来识别数据中的模式。这些选定的参数是在儿童24个月大之前,无需进行广泛评估和医疗测试即可获得的有关儿童的信息。表现最好的模型被命名为“AutMedAI”。
意义与潜在影响
在大约 12,000 名个体中,AutMedAI 模型能够识别出约 80% 的自闭症儿童。结合其他参数来看,例如第一次微笑的年龄、第一次说短句的年龄以及是否存在进食困难等特定组合都是自闭症的有力预测指标。
“这项研究的结果意义重大,因为它们表明,有可能从相对有限且容易获得的信息中识别出可能患有自闭症的人,”卡罗林斯卡学院同一部门的研究员、目前为印度生物信息学与应用技术学院助理教授的希亚姆·拉贾戈帕兰(Shyam Rajagopalan)是该研究的第一作者,他说道。
加强早期诊断和干预
研究人员认为,早期诊断对于实施有效的干预措施至关重要,这有助于自闭症儿童获得最佳发展。
“这可以极大地改变早期诊断和干预的条件,并最终提高许多个人及其家庭的生活质量,”希亚姆·拉贾戈帕兰说。
未来方向和模型验证
在这项研究中,人工智能模型在识别在社会交往和认知能力方面存在更广泛困难以及存在更普遍发育迟缓的儿童方面表现出色。
目前,研究团队正在计划在临床环境中对模型进行进一步的改进和验证。此外,研究团队还在努力将遗传信息纳入模型,这可能会使预测更加具体和准确。
结论与临床实施
“为确保该模型足够可靠以在临床环境中实施,需要进行严谨的工作和仔细的验证。我想强调的是,我们的目标是让该模型成为医疗保健的有用工具,而不是用来取代对自闭症的临床评估,”克里斯蒂娜·塔米米斯(Kristiina Tammimies)说。
参考:“从最少量的医疗和背景信息中预测自闭症谱系障碍的机器学习”,作者:Shyam Sundar Rajagopalan、Yali Zhang、Ashraf Yahia 和 Kristiina Tammimies,2024 年 8 月 19 日,JAMA Network Open。DOI: 10.1001/jamanetworkopen.2024.29229
该研究由瑞典战略研究基金会、大脑基金会和 Stratneuro 提供资助。



