使用人工智能工具可以早期发现幼儿自闭症

一组具有食品科学和计算机科学/计算机工程专业知识的科学家正在合作开发一种机器学习工具，可以帮助医生和父母诊断幼儿的自闭症谱系障碍(ASD)。

研究人员观察了生物特征数据和对强烈气味和味道的行为反应作为检测自闭症指标的一种方法。

阿肯色大学的Han-Seok Seo和Khoa Luu创建了一种深度学习算法，可以潜在地识别神经正常的儿童和谱系正常的儿童都能从各种食物中获得感官线索。然后，人工智能分析这些反应，发现它们与自闭症相关行为的相关情况。

除了某些社会交往的困难之外，自闭症儿童经常表现出不正常的饮食行为，如避免某些食物，特定的进餐时间要求和非社交性饮食。

意识到与食物回避相关的风险——包括缺乏维生素和矿物质——阿肯色的二人组打算从食物中识别出在摄入过程中引发非典型感知或行为的感官线索。例如，这将包括对薄荷、柠檬和丁香等食物气味的强烈反应，这通常会引发自闭症谱系障碍患者表现出愤怒、惊讶或厌恶的反应。

Seo和Luu的最终目标是创建一种算法，在早期发现儿童自闭症方面表现与传统诊断方法相同或更好，传统诊断方法通常需要训练有素的专业人员;再评估持续时间;照顾者提交的问卷，以及额外的医疗费用。

虽然提出的系统不太可能是诊断的最终结论，但它可以为父母提供一个初步的筛查工具，理想情况下，排除那些不是自闭症谱系障碍候选者的孩子，同时仍然确保最有可能的候选者进行更全面的筛查过程。

在担心刚出生的女儿有避免眼神接触的倾向后，这个工具对徐来说非常有用，这是自闭症儿童的一个常见特征。虽然他的孩子最终没有患自闭症谱系障碍，但这段经历激发了他的兴趣，促使他设计了一种解决方案，可以帮助和他一样焦虑的父母。

这对搭档正在阿肯色州生物科学研究所(Arkansas Biosciences Institute)获得一笔为期三年、价值15万美元的资助来进行这项研究，目前他们正在ASD和5至14岁的神经正常儿童身上测试算法。