人工智能用于提高自闭症和多动症诊断的速度和准确性|新闻

Byline：克里斯蒂安·怀斯哈特（Christiane Wisehart）

newswise•对于怀疑自闭症谱系或注意力缺陷的儿童来说，与印第安纳州的一名精神病医生进行诊断任命可能需要长达18个月。但是，由印第安纳大学研究人员领导的跨学科团队使用人工智能开发了一种新的诊断方法，可以加快和改善神经疾病的发现。

当前使用各种测试和患者调查来分析诸如沟通障碍，多动症或重复行为等症状的精神科医生没有广泛可用的定量或生物学测试来诊断自闭症，ADHD或相关疾病。

神经疾病的症状是非常异质的；精神科医生称它们为“频谱障碍”，因为没有人可以观察到的事情告诉他们一个人是否是神经型的。

这就是为什么乔斯（José）与包括IU医学学院杰出教授约翰·I·诺恩伯格（John I. Nurnberger）和精神病学副教授马丁·普拉维奇（Martin Plawecki）合作，包括IU医学学院杰出教授Martin Plawecki，将他最近的研究致力于改善这些症状的儿童诊断工具。

一项新研究关于使用人工智能快速诊断自闭症和多动症的关于自然科学报告的发表，详细介绍了他的团队开发数据驱动方法的最新步骤，该方法是通过使用定量的生物标志物和生物特征来快速，准确地评估神经差异的疾病。

他们的方法 - 有可能在不到15分钟内诊断自闭症或多动症的方法 - 可以在学校中用来分类学生，这些学生可能需要进一步的护理。自2016年以来，马萨诸塞州阿默斯特大学（University of Massachusetts Amherst）和IU的前来访研究学者一直是José©团队的成员。

他和乔斯都说，他们的方法并不是要取代精神科医生在诊断和治疗神经疾病中的作用。

医生说，这可以作为临床医生工具带的其他工具。”这也使我们能够查看谁可能需要最快的干预措施，并将其引导到提供商。

寻找生物标志物

2018年，Josâ©出版自闭症研究通过与罗格斯合作，揭示了有动作生物标志物，尽管对肉眼无法察觉，但可以通过使用传感器来识别和测量。

乔斯（Josâ©）和他的团队指示一群参与者出现在他们面前的计算机触摸屏上时达到目标。研究人员使用与参与者手相连的传感器记录了数百张微动物图像。

这些图像显示，神经型患者的运动方式与自闭症的参与者相差不同。研究人员能够将运动的随机性与以前被诊断为自闭症的参与者相关联。

改善治疗

自从具有里程碑意义的2018年研究以来的几年中，乔斯©及其目前的团队利用了新的高清运动学蓝牙传感器来收集有关研究参与者运动速度的信息，还可以衡量加速度，旋转和许多其他变量。

IU物理学研究生Chaundy McKeever说，我们采取物理学家的方法来研究大脑并专门分析运动。我们正在研究患者的运动是多么零星。我们发现，通常，它们的运动越零星，疾病就越严重。

该团队还介绍了使用专门的人工智能领域，即深度学习来分析新的测量结果。该团队使用有监督的深度学习技术研究了自闭症谱系障碍，ADHD，合并症自闭症和ADHD以及神经型发育的参与者的原始运动数据。

这种增强的方法在他们的7月8日科学报告论文中详细介绍了一种能够更好地分析患者神经疾病疾病的能力。

josâ©side说，通过研究肉眼看不见运动波动的统计数据，我们可以根据一组新的生物识别技术评估疾病的严重性。•目前没有精神科医生可以告诉您病情有多严重。

随着评估神经疾病严重程度的增加能力，医疗保健提供者可以更好地设置并监控其治疗的影响。

乔斯说，有些患者将需要大量的服务和专业治疗。”但是，如果患者的疾病的严重程度处于频谱的中间，那么他们的治疗方法可以进行更详细的调整，苛刻的要求较小，并且经常可以在家中进行，从而使他们的护理更加负担得起，更易于执行。”