外媒 | 机器学习工具有助于早期发现自闭症谱系障碍-普瑞纯证

最近，BMJ Health & Care Informatics发表的一项研究表明，机器学习（ML）模型可以使用健康索赔数据准确预测18至30个月大儿童的自闭症谱系障碍（ASD）风险。根据疾病控制和预防中心的数据，ASD是一种由大脑差异引起的发育障碍。其中一些差异是已知的，例如遗传条件，但许多原因尚不清楚。由于这些差异通常是未知的，因此诊断ASD可能很困难。然而，早期干预已被证明可以显著改善儿童的发展和生活质量。研究指出，目前存在ASD筛查工具，但准确性不足。为了促进早期发现和干预，研究人员试图创建准确的基于ML的工具，可以使用医疗索赔数据预测ASD的风险。为了创建这些工具，研究人员使用MarketScan Health Claims Database 2005-2016识别了12,743名ASD患儿和25,833名无ASD的随机样本儿童。从这些数据中，团队开发了逻辑回归和随机森林模型，旨在使用人口统计学、医学诊断和医疗保健服务程序作为预测因子，预测18至30个月龄的ASD诊断。总体而言，逻辑回归和随机森林模型在预测24个月时的接收器操作特征曲线下面积（AUROC）分别为0.758和0.775。当预测因子变量按门诊和住院访问分开时，24个月的随机森林模型显著提高，达到0.834的AUROC，96.4％的特异性和20.5％的40％敏感性的阳性预测值。研究作者得出结论，这些发现证明了在年幼儿童中使用基于ML的工具进行ASD预测的可行性，并指出这种工具有潜力监测一般儿科人群的ASD风险和早期发现高风险儿童进行有针对性的筛查。这不是人工智能（AI）和ML首次用于增强ASD检测和筛查。今年5月，npj Digital Medicine发表的研究表明，基于AI的医疗设备可以帮助临床医生在初级保健设置中准确诊断6岁以下儿童的ASD。去年4月，研究人员发现，基于ML的移动应用程序可以帮助筛查自闭症的潜在生物标志物。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。