基于家庭视频的机器学习在自闭症谱系障碍中的早期诊断价值:元分析
Longjie Jin1,2, Hualei Cui3, Peiyuan Zhang4
1Department of Pediatric Internal Medicine, Tianjin Children's Hospital (Children's Hospital, Tianjin University), Tianjin, 300134, China.
European journal of pediatrics
|November 20, 2024
概括
使用远程视频的机器学习 (ML) 为早期自闭症谱系障碍 (ASD) 诊断提供了一种敏感和用户友好的方法. 这一元分析证实了它的诊断价值,表明了提高临床实践和研究的潜力.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 发育儿科 发育儿科
背景情况:
- 儿童自闭症谱系障碍 (ASD) 的发生率正在上升.
- 使用远程视频的机器学习 (ML) 显示了早期ASD检测的希望.
研究的目的:
- 进行对基于家庭视频的ML对ASD的诊断价值的元分析.
- 评估ML模型在从远程视频中诊断ASD方面的性能.
主要方法:
- 在PubMed,Cochrane,Embase和Web of Science (直到2024年9月) 进行系统的文献搜索.
- 包括19个文章,89个ML模型和9959个主题.
- 使用PROBAST评估偏差风险和模型适用性.
主要成果:
- 在训练 (0.87/0.79),交叉验证 (0.90/0.87) 和验证 (0.81/0.72) 队列中,聚合灵敏度和特异性各不相同.
- 十倍交叉验证的模型显示出更高的诊断准确性 (c指数 = 0.95).
- 机器学习模型从平均5.63分钟的视频中平均使用了23.53个行为特征.
结论:
- 基于家庭视频的ML是早期ASD诊断的有价值,方便的工具.
- 基于远程视频的ML可以改善临床实践和未来的研究,可能整合像面部识别这样的技术.
更多相关视频
10:11Portable Intermodal Preferential Looking IPL: Investigating Language Comprehension in Typically Developing Toddlers and Young Children with Autism
Published on: December 14, 2012
18.4K
06:25Capturing Representative Hand Use at Home Using Egocentric Video in Individuals with Upper Limb Impairment
Published on: December 23, 2020
2.5K
