幼児の自閉症スクリーニングと発達軌跡予測のための簡単な観察

科学分野:

• 発達小児科学
• ヘルスケアにおける機械学習
• 小児心理学

背景:

• 自閉症スペクトラム障害（ASD）は31人に1人の子供に影響を与え、効果的な介入のためには早期診断が必要です。
• プライマリケアの設定では、幼い子供の自閉症の特徴を特定するための効率的なツールが必要です。
• 早期の社会的コミュニケーション行動は、発達スクリーニングの重要な指標です。

研究 の 目的:

• 3歳未満の子供のASDスクリーニングのために、早期社会的コミュニケーション尺度（ESCS）を用いた早期社会的コミュニケーション行動を評価すること。
• 早期行動に基づく機械学習モデルを用いて、子供の認知発達を予測すること。
• 小児科医に自閉症スクリーニングと認知発達予測のためのツールを提供すること。

主な方法:

• ASDの子供113人、通常発達（TD）の子供59人（1〜3歳）の縦断的分析。
• ASD分類と認知発達予測のために23のESCS変数を使用。
• ASD対TD分類のためにC5.0決定木、認知パターンのための回帰/クラスタリング、厳密な交差検証技術を採用。

主要な成果:

• ASDとTDを区別する精度95％、感度96％、特異度92％を達成しました。ターンテイキングの開始や指差しなどの主要な行動が、ASDの重要な識別因子として特定されました。別のモデルは、行動要求が異なる認知軌跡を予測し、認知転帰を正確に（97％）層別化しました。

結論:

• 早期の社会的コミュニケーション行動に基づいた独自の決定アルゴリズムを提示します。
• このアルゴリズムは、小児科医の自閉症スクリーニングと認知発達予測をガイドできます。
• 早期の行動指標は、タイムリーで正確な発達評価のための有望な経路を提供します。