Новая модель машинного обучения AutMedAI позволяет прогнозировать аутизм у детей в возрасте до двух лет с точностью 80%. Модель анализирует различные параметры, такие как возраст первой улыбки, трудности с питанием и другие, которые можно определить до двухлетнего возраста. Это позволяет выявить детей, склонных к аутизму, на ранней стадии.
Ранняя диагностика имеет решающее значение для оптимального развития ребёнка, поэтому новая модель машинного обучения может стать полезным инструментом для раннего выявления и вмешательства при аутизме.
Кристина Таммимиес (Kristiina Tammimies) сотрудник кафедры здоровья женщин и детей Каролинского института (Karolinska Institute), говорит: «Мы надеемся, что точность почти 80 процентов для детей в возрасте до двух лет станет ценным инструментом для здравоохранения».
Исследовательская группа из Каролинского института использовала большую базу данных, содержащую информацию о примерно 30 000 детей с расстройствами аутистического спектра и без них. Анализируя комбинацию 28 различных параметров, учёные разработали четыре отдельные модели машинного обучения.
Самая эффективная модель была названа «AutMedAI». Она смогла выявить около 80% детей с аутизмом среди примерно 12 000 участников исследования. В качестве параметров были выбраны данные о детях, которые можно получить без тщательного обследования и медицинских тестов в возрасте до 24 месяцев.
Среди этих параметров возраст первой улыбки, первое короткое предложение и наличие трудностей с питанием были сильными предикторами аутизма. Результаты исследования важны, потому что они показывают, что можно идентифицировать людей, которые, скорее всего, страдают аутизмом, исходя из относительно ограниченной и легкодоступной информации.
По мнению исследователей, ранняя диагностика имеет решающее значение для реализации эффективных мер, которые могут помочь детям с аутизмом развиваться оптимально.
«Это может радикально изменить условия ранней диагностики и вмешательства и в конечном итоге улучшить качество жизни многих людей и их семей», — заключает Шьям Раджагопалан (Shyam Rajagopalan).
Сейчас исследовательская группа планирует продолжить работу над моделью, включая генетическую информацию. Это может привести к ещё более конкретным и точным прогнозам для выявления детей с аутизмом на ранней стадии.
Литература
“Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information” by Kristiina Tammimies et al. JAMA Network Open
