人工智能用于提高自闭症和多动症诊断的速度和准确性

印第安纳大学的一个研究小组开发了一种使用人工智能的新诊断方法，可以加快和改善自闭症和注意力缺陷多动症等神经发散性疾病的检测。

　　

在印第安纳州，疑似患有自闭症谱系障碍或注意力缺陷多动障碍的儿童可能需要长达18个月的时间才能预约精神科医生进行诊断。但由印第安纳大学一位研究人员领导的跨学科团队开发了一种利用人工智能的全新诊断方法，可以加快并改善神经发散障碍的检测。

目前，精神科医生使用各种测试和患者调查来分析沟通障碍、多动症或重复行为等症状，但尚无广泛可用的定量或生物学测试来诊断自闭症、注意力缺陷多动症或相关疾病。

“神经发散障碍的症状非常多样化；精神病学家称之为‘谱系障碍’，因为没有任何一个可观察的事物可以告诉他们一个人是否具有神经典型性，”印第安纳大学布卢明顿分校艺术与科学学院 James H. Rudy 杰出物理学教授兼印第安纳波利斯印第安纳大学医学院斯塔克神经科学研究所成员 Jorge José 说。

这就是为什么 José 与一支跨学科学者团队合作，其中包括印第安纳大学医学院名誉教授 John I. Nurnberger 和精神病学副教授 Martin Plawecki，致力于将他最近的研究致力于改进针对患有这些症状的儿童的诊断工具。

7 月 8 日，《自然科学报告》 发表了一项关于使用人工智能快速诊断自闭症和注意力缺陷多动症的新研究，详细介绍了他的团队开发数据驱动方法的最新进展，该方法使用定量生物标志物和生物识别技术快速准确地评估神经发散性疾病。

马萨诸塞大学阿默斯特分校的博士生、印第安纳大学前访问研究学者 Khoshrav Doctor 表示，他们的方法可以在短短 15 分钟内诊断出自闭症或注意力缺陷多动症，可用于学校对可能需要进一步护理的学生进行分类。Khoshrav Doctor 自 2016 年以来一直是 José 团队的成员。

他和何塞都表示，他们的方法并非旨在取代精神科医生在神经发散性疾病的诊断和治疗中的作用。

“它可以作为临床医生工具箱中的一项附加工具，”Doctor 说。“它还能让我们了解哪些人可能需要最快速的干预，并尽早将他们引导至医疗服务提供者。”

寻找生物标志物

2018年，何塞与罗格斯大学合作发表了 一项自闭症研究 ，揭示了肉眼无法察觉的“运动生物标志物”，但可以通过传感器识别并测量其严重程度。

José 和他的团队指导一组参与者，当目标出现在他们面前的电脑触摸屏上时，让他们伸手去够。研究人员利用安装在参与者手上的传感器，每秒记录数百张微动作图像。

图像显示，神经正常患者的运动方式与自闭症患者存在显著差异。研究人员能够将运动随机性增强与先前被诊断患有自闭症的参与者联系起来。

改善治疗

自 2018 年具有里程碑意义的研究以来，José 和他的团队利用新的高清运动蓝牙传感器不仅收集研究参与者运动速度的信息，还测量加速度、旋转和许多其他变量。

“我们采用物理学家的方法来观察大脑，并具体分析运动，”最近加入José团队的印第安纳大学物理学研究生Chaundy McKeever说道。“我们正在观察病人的运动有多不规律。我们发现，通常情况下，他们的运动越不规律，病情就越严重。”

该团队还引入了人工智能领域深度学习的应用来分析新的测量数据。他们使用监督式深度学习技术，研究了自闭症谱系障碍、注意力缺陷多动障碍、自闭症和注意力缺陷多动障碍共病以及神经典型发育障碍患者的原始运动数据。

这种增强方法在 7 月 8 日的《科学报告》论文中进行了详细介绍，它能够更好地分析患者的神经发散障碍。

“通过研究肉眼无法察觉的运动波动统计数据，我们可以用一套新的生物特征来评估疾病的严重程度，”何塞说。“目前还没有精神科医生能够告诉你病情的严重程度。”

通过增加评估神经发散性疾病严重程度的能力，医疗保健提供者可以更好地设置和监测其治疗的效果。

“有些患者需要大量的服务和专科治疗，”何塞说道，“然而，如果患者的病情处于中等严重程度，他们的治疗可以进行更精细的调整，难度也会降低，而且通常可以在家中进行，这使得他们的治疗更经济实惠，也更容易进行。”