Ein neues maschinelles Lernmodell kann Autismus bei Kindern im frühen Alter anhand von relativ begrenzten Informationen vorhersagen. Die Forscher betonen, dass eine Früherkennung von Autismus bei Kindern entscheidend ist, um wirksame Interventionen zu implementieren, die diesen Kindern helfen, sich optimal zu entwickeln. Mit Hilfe einer großen US-Datenbank (SPARK) mit Informationen über etwa 30.000 Personen mit und ohne Autismus-Spektrum-Störungen analysierte das Forschungsteam eine Kombination von 28 verschiedenen Parametern und entwickelte vier verschiedene maschinelle Lernmodelle, um Muster in den Daten zu identifizieren.
Die ausgewählten Parameter waren Informationen über Kinder, die ohne umfangreiche Bewertungen und medizinische Tests vor dem 24. Lebensmonat erhoben werden können. Das am besten abschneidende Modell wurde als “AutMedAI” bezeichnet. Unter etwa 12.000 Menschen konnte das AutMedAI-Modell etwa 80% der Kinder mit Autismus identifizieren. In spezifischen Kombinationen mit anderen Parametern waren das Alter des ersten Lächelns, der ersten kurzen Sätze und das Vorhandensein von Essschwierigkeiten starke Prädiktoren für Autismus.
Die Forscher planen nun weitere Verbesserungen und Validierungen des Modells in klinischen Umgebungen. Es wird auch daran gearbeitet, genetische Informationen in das Modell einzubeziehen, was zu noch spezifischeren und genaueren Vorhersagen führen könnte. Die Studie wurde von der Karolinska Institutet mit Mitteln der Swedish Foundation for Strategic Research, Hjärnfonden und Stratneuro finanziert und in JAMA Network Open veröffentlicht.