自閉症スペクトル障害におけるリスクの階層化のための多様式AI:声とスクリーニングツールの統合

科学分野:

• 人工知能
• 発達に関する小児科
• 機械学習

背景:

• 自閉症スペクトル障害 (ASD) の早期発見は効果的な介入に不可欠ですが,資源が密集しています.
• 現在のスクリーニング方法では 専門的な人材とかなりの時間が必要です
• 早期発見率を向上させるために 拡張可能でアクセシブルなスクリーニングツールが必要です

研究 の 目的:

• 拡張可能な自閉症スペクトル障害 (ASD) のスクリーニングのための新しい2段階の多様式人工知能 (AI) フレームワークを評価する.
• 標準的な発達児と高リスク児や自閉症児を区別する枠組みの正確さを評価する.
• リスクの階層化と早期診断の経路をサポートするフレームワークの能力を決定する.

主な方法:

• 18~48ヶ月の1242人の子どもが参加した.
• モバイルアプリケーションで,親と子供の対話の音声とスクリーニングツール (MCHAT,SCQ-L,SRS) のデータを収集しました.
• リスク評価のための多式データ (テキスト,オーディオ,タスクの成功) を統合した2段階のAIモデルで,ADOS-2に対して検証された.

主要な成果:

• ステージ1では,典型的発達と高リスク/ASDの子どもを区別するAUROCが0.942に達しました.
• ステージ2では,AUROCが0. 914と85. 2%の正確さで,高リスクとASDの子どもを区別することができました.
• AIモデルのリスク予測は,ゴールドスタンダードADOS-2評価と強い一致 (79.59%の精度) と有意な相関 (Pearson r=0.830) を示した.

結論:

• 開発されたAIフレームワークは ASDの正確でスケーラブルな早期スクリーニングのための有望なアプローチを提供します.
• モバイル技術とディープラーニングを活用することで リスクの早期分層化の可能性を高めます
• この枠組みはASDの子供の早期発見を容易にするため 適切な介入を支援します