人工智能可以改进自闭症诊断：Montreal Neuro

快速阅读: 据《CityNews 蒙特利尔》称，研究发现，自闭症诊断中社交化标准的权重可能过高，导致诊断率上升。科学家利用AI分析临床记录，建议重新审视诊断标准，以提高准确性与效率。这项研究强调关注重复行为而非仅限社交能力。研究成果发表于《细胞》期刊。

蒙特利尔神经学研究所医院的研究发现，与重复性动作、明显受限的兴趣以及基于感知的行为相关的诊断标准，比社交化标准（如情感互动、非语言交流和关系建立）与自闭症诊断的关联更强。研究指出，确诊自闭症可能需要数年时间，这进一步延迟了干预措施的实施。

“我们在遗传学和医学影像方面的努力虽然很多，但实际进展却不如预期，”该研究的联合首席作者、神经学家丹尼洛·布兹多克表示，“所以我们转向了其他方向……我们使用了文本形式的大数据分析，更具体地说是医生针对潜在自闭症患者的观察记录。据我所知，在自闭症领域从未有人这样做过。”

研究团队利用人工智能技术，分析了蒙特利尔法语儿童群体中超过4200份临床观察报告。仅通过这些数据，他们调整并应用了广泛的语言建模方法来预测诊断决策。特别是，他们找到了一种在报告中识别出最相关关键词的方法，从而可以与诊断标准直接对比。研究作者认为，这些结果表明医学界或许需要重新审视和修订自闭症的诊断标准。

“我们的目标不是取代医生，也不是更高效地分类自闭症患者，”布兹多克强调，“我们致力于剖析医生得出诊断的过程。”

近年来，发达国家的自闭症诊断率持续上升，这项研究表明，自闭症评估中对社交化的过度关注可能是导致这一现象的原因之一。布兹多克指出，《精神障碍诊断与统计手册》第五版（DSM-5）在自闭症诊断中同样高度强调社交能力，而对重复动作、受限兴趣及感知行为等运动行为的关注度较低。

因此，研究作者认为，如果能够更多地关注某些重复行为和特定兴趣，或许可以减少自闭症诊断数量的增长，因为确实存在社交障碍的人可能会被误诊为自闭症。研究作者强调，这有助于提高诊断的效果与效率，因为相比于更直观的外在行为特征，评估社交因素往往耗时、繁琐且不够精准。

这项研究成果已发表在《细胞》医学期刊上。

——加拿大通讯社报道，由城市新闻翻译提交

(以上内容均由Ai生成)