In einer kürzlich in JAMA Network Open veröffentlichten Studie haben Forscher vier Machine-Learning-(ML)-Modelle auf einem Datensatz mit mehr als 30.000 Teilnehmern entwickelt und validiert, um einen neuartigen ML-Algorithmus (namens „AutMedAI“) zur frühzeitigen Erkennung des Autismus-Spektrum-Störung (ASD) mit minimalen Hintergrund- und medizinischen Informationen zu identifizieren.
Die Studie: Machine Learning Vorhersage des Autismus-Spektrum-Störung aus einem minimalen Satz von medizinischen und Hintergrundinformationen. Bildnachweis: vetre/Shutterstock.com
Die Ergebnisse heben den eXtreme Gradient Boosting (XGBoost) Algorithmus als das am besten funktionierende ML-Modell für diese Untersuchungen hervor. Das Modell übertrifft signifikant herkömmliche Fragebögen und frühere künstliche Intelligenz (AI)-Anwendungen und benötigt nur einen minimalen Satz (n = 28) von Routine-Kinderbetreuungs-Hintergrund- und medizinischen Daten für seine Vorhersagen.
Hintergrund des Autismus ist eine neurologische Entwicklungsstörung, die die Kommunikation, das Lernen und das Verhalten der Patienten beeinflusst und die zwischenmenschliche Kommunikation erheblich beeinträchtigen kann. Trotz jahrzehntelanger Forschung bleibt die Diagnose und Behandlung von ASD eine klinische und psychiatrische Herausforderung. ASD stellt eine überwältigende sozioökonomische und psychische Belastung für Patienten und ihre Familien dar.
Die Studie entwickelte und validierte AutMedAI als einen vielversprechenden ersten Schritt in der frühzeitigen und routinemäßigen Erkennung des ASD, um Patienten und ihren Familien erheblichen sozioökonomischen Stress zu ersparen und ihre zukünftige Lebensqualität zu verbessern. AutMedAI wurde auf der Grundlage von leicht zu beschaffenden medizinischen und familiären Hintergrunddaten entwickelt und getestet und ist ein vielversprechendes Werkzeug zur Reduzierung der Auswirkungen von ASD auf Patienten und Familien.