自闭症，正成为儿童的“隐形杀手”。来自世界卫生组织（WHO）的数据显示，每 100 个儿童中就有 1 个是自闭症患者，其中约有 50% 伴有智力残疾。早期干预可以显著提升自闭症患者的社交和认知功能。然而，在儿童 2 岁之前，早期识别的难度极大。
如今，人工智能（AI）有望帮助人类医生在儿童 12 个月大之前“提前锁定”自闭症——由卡罗林斯卡学院研究团队开发的一种多模态数据分析 AI 模型，不仅可以在自闭症患儿 12 个月左右时发现患病的早期迹象，而且对两岁以下儿童识别的准确率达到了 80.5%，更重要的是，整个过程只需要相对有限的信息。
相关研究论文以“Machine Learning Prediction of Autism Spectrum Disorder From a Minimal Set of Medical and Background Information”为题，发表在科学期刊 Jama Network Open 上。
研究团队表示，这一研究结果对早期诊断和干预策略具有重要意义，该方法的成功应用将有助于减轻家庭和社会负担，并提高自闭症患者的识别效率。
自闭症，又名“孤独症谱系障碍”（autism spectrum disorder，ASD），是一种神经发育性疾病，起病于发育早期，主要表现为“社交互动与社交交流能力缺陷”及“受限的、重复的行为模式、兴趣或活动”。尽早识别出自闭症对于改善患者的长期预后至关重要，尤其是在儿童大脑发育的关键时期。
为应对这些挑战，该研究利用目前最大的 ASD 研究数据库 Simons Foundation Powering Autism Research for Knowledge (SPARK) ，开发了一种基于最少化背景和医疗信息的机器学习模型，以期实现更早的 ASD 筛查。
在研究对象选取方面，研究团队使用了 SPARK（第8版）数据库中 30660 名参与者的数据，其中被诊断为 ASD 的参与者和非 ASD 参与者两组各 15330 名。
在模型开发过程中，研究人员发了四种不同的机器学习模型：逻辑回归（Logistic Regression）、决策树（Decision Tree）、随机森林（Random Forest）和极限梯度提升（XGBoost）训练模型，并使用独立数据集进行验证，数据集按照 60% 训练集、20% 验证集和 20% 测试集的比例划分。
研究结果显示，XGBoost 模型（被命名为 AutMedAI）在测试集中的 AUROC 为 0.895，表现出较高的预测准确性，准确率为80.5%，模型在检测 ASD 方面表现强劲。
随着 AI 技术的不断发展，AI 在自闭症领域的应用也在逐步扩展。除了早期筛查，AI 还被用于自闭症治疗和康复过程中的个性化干预计划制定。例如，成都前沿类脑人工智能创新中心开发了脑影像分析技术的精准神经干预系统，用于孤独症的治疗和康复。同时，一些研究机构也在通过 AI 技术为自闭症儿童提供个性化的学习方案，帮助他们更好地融入社会。AI 不仅可以协助医生制定更精确的治疗方案，还能提高治疗效果。
由哥伦比亚大学研究团队制造的机器人 Emo，能够在人类微笑前 0.9 秒预测即将出现的表情，并作出相应的表情反应。这一技术不仅在情感互动中展现了 AI 的潜力，还标志着 AI 在情感理解和人机信任建立方面取得了重要进展。另一项研究发现，AI 或许已经具备了类似“心智理论”（Theory of Mind）的能力，意味着 AI 能够在特定情况下理解人类的心理状态。
这些发现不仅显示了 AI 在情感理解和心理推理方面的强大能力，也为 AI 在自闭症治疗中的进一步应用提供了新思路。未来，AI 有望在自闭症儿童的情感理解、社交互动等方面发挥更大的作用，从而全面提升治疗效果。