AI分析挑战自闭症诊断标准

蒙特利尔神经学研究所-医院（The Neuro）和魁北克AI研究所（Mila Quebec AI Institute）的研究人员领导的一项新研究发现，社交沟通因素在识别自闭症方面可能并不像先前所认为的那么重要。

这项研究挑战了目前通过《精神疾病诊断与统计手册》第五版（DSM-5）等黄金标准手册进行自闭症诊断的标准方法。DSM-5中的自闭症诊断标准分为两类：一类关注行为、敏感性和兴趣，另一类关注社交沟通和互动差异。

该研究定制了AI模型来分析魁北克省4200多份儿童的临床报告。分析发现，如情感互惠、非言语交流和发展关系等社交化标准，并不特别针对自闭症诊断，这意味着这些标准在被诊断为自闭症的个体中并不比那些未被诊断为自闭症的个体更常见。然而，与重复性运动、高度专注的兴趣和对感官输入的异常敏感性相关的标准则与自闭症诊断有很强的关联。

研究结果发表在《细胞》杂志上，科学家们认为医学界可能需要重新考虑当前标准的相对重要性，并更加重视重复行为和特殊兴趣。

人工智能如何提高诊断的速度和准确性

目前，自闭症诊断依赖于临床评估，因为尚无基于基因、脑成像或血液分析的生物测试。这个漫长的过程可能会延迟获得必要支持的时间。研究人员建议，专注于更具预测性的特征可以加快并提高诊断的准确性。他们强调了人工智能在改进这一过程中的潜力。

“在未来，大型语言模型技术可能在重新考虑我们今天所说的自闭症方面发挥重要作用，”资深作者Danilo Bzdok表示，他是The Neuro和Mila的研究员。“这种数据驱动的方法是对历史上仅由专家小组和人类判断所做的工作的补充。”

这项研究得到了Brain Canada基金会、加拿大卫生部、美国国立卫生研究院、加拿大卫生研究院、Healthy Brains Healthy Lives倡议、加拿大卓越研究基金和加拿大高级研究所的支持。

(全文结束)