人工智能可能优化自闭症诊断

蒙特利尔神经学研究所-医院（Neuro）的研究发现，与重复性运动、显著受限的兴趣和感知行为相关的标准比包括情感互惠、非言语交流和关系建立在内的社交化标准更强烈地关联于自闭症诊断。

作者指出，获得自闭症诊断有时可能需要数年时间，这进一步延迟了改善情况的干预措施。

因此，通过关注某些重复行为和特定兴趣，可以减少误诊为自闭症的情况，因为那些表现出社交障碍的人可能被错误地诊断为自闭症。

“我们在遗传学和医学成像方面做了很多努力，以更好地理解自闭症，但进展远不如预期，”该研究的共同主要作者、神经科学家Danilo Bzdok说。他是The Neuro和Mila - 魁北克人工智能研究所的成员。“因此，我们转向了其他研究方向，我们使用了文本形式的大数据，特别是看潜在自闭症患者的医生的笔记。据我所知，在自闭症领域，这以前从未做过。”

研究人员使用人工智能分析了蒙特利尔一个讲法语的儿童群体的4200多份临床观察报告。仅基于这些数据，他们调整并实施了广泛的语言建模方法来预测这种诊断决策。

特别是，他们找到了一种方法来识别报告中对做出阳性诊断最相关的关键词，从而可以直接与诊断标准进行比较。

鉴于这些结果，研究作者认为，医学界可能需要重新考虑并修订现有的自闭症诊断标准。

“我们的目标不是取代医生或更有效地分类自闭症患者，”Bzdok强调说。“我们想解构医生用来做出诊断的过程。”

多年来，发达国家的自闭症诊断率一直在上升，而这项研究表明，自闭症评估中对社交化的重视可能起到了一定作用。

精神疾病诊断与统计手册第五版（DSM-5）也强调了在自闭症诊断中的社交化因素，Bzdok指出，而重复性运动、受限兴趣和感知行为等运动行为则受到较少重视。

“我们在结果中发现了完全相反的情况，”他说。“我们反驳了四十年来的实践和研究思维。”

因此，通过关注某些重复行为和特定兴趣，可以减少误诊为自闭症的情况，因为那些实际上表现出社交障碍的人可能被错误地诊断为自闭症。

这将优化诊断的有效性和效率，因为评估社交因素相当耗时、繁琐且不精确，相比之下，更明显的行为特征更容易识别。

这项研究的结果发表在《细胞》医学杂志上。

(全文结束)