通过人工智能自动诊断自闭症:最先进的技术状态
Amir Valizadeh1, Mana Moassefi1, Amin Nakhostin-Ansari2
1Neuroscience Institute, Tehran University of Medical Sciences, PO: 1419733141, Tehran, Iran.
Reviews in the neurosciences
|September 7, 2023
概括
自动自闭症诊断显示出希望,EEG数据产生了最高的准确性. 然而,目前关于自闭症谱系障碍 (ASD) 诊断的研究受到重大偏见和方法上的缺陷的限制.
科学领域:
- 神经科学是一个神经科学.
- 发展心理学 发展心理学
- 医疗信息学 医疗信息学
背景情况:
- 自闭症谱系障碍 (ASD) 诊断是主观和漫长的,影响预后.
- 早期的ASD诊断对于更好的结果至关重要.
- 自动化诊断方法提供了客观和及时评估的潜力.
研究的目的:
- 审查目前自动自闭症诊断和识别的现状.
- 综合各种诊断方式的证据.
- 发现研究缺口和方法上的局限性.
主要方法:
- 在多个数据库和灰色文献中进行系统的文献搜索 (2022年2月).
- 使用适应的 QUADAS-2 工具进行偏差风险评估.
- 使用分割组件合成 (SCS) 和对232项研究的元分析进行数据合成.
- 使用I2统计和修剪和填充试验评估的异质性和出版偏差.
主要成果:
- 包括344项涉及186020名参与者的研究.
- 诊断准确度 (AUC) 在九种模式中从0.71-0.90不等.
- 电脑电图 (EEG) 研究显示了最高的准确性 (AUC 0.85-0.93).
- 在文献中发现了重大偏见和方法缺陷.
结论:
- 自动自闭症诊断显示出潜力,特别是使用EEG.
- 未来的研究需要改进方法和报告以减少偏见.
- 对于可靠的自动化ASD诊断工具,需要标准化的方法.


