对基于人工智能的自闭症诊断系统的现实世界性能进行分析
Carmela Salomon1, Kelianne Heinz2, Judith Aronson-Ramos3
1Cognoa Inc., 2185 Park Blvd, Palo Alto, CA, 94306, USA. carmela.salomon@cognoa.com.
Scientific reports
|August 12, 2025
概括
人工智能诊断工具Canvas Dx在儿童的真实世界自闭症评估中显示出高准确度. 这项技术有助于早期诊断自闭症,解决关键等待列表延迟问题.
科学领域:
- 儿科神经学 儿科神经学
- 医疗保健中的人工智能
- 发育儿科 发育儿科
背景情况:
- 对于儿科自闭症评估的需求日益增加,超过了专家的能力,导致诊断延迟.
- 早期诊断自闭症谱系障碍 (ASD) 对于及时干预和改善结果至关重要.
- 有限的专业资源需要创新的解决方案来简化诊断过程.
研究的目的:
- 评估基于人工智能的诊断工具Canvas Dx的现实世界性能,用于儿童自闭症评估.
- 为了比较Canvas Dx在市场后的准确性,与临床参考标准和先前试验数据进行比较.
- 评估Canvas Dx对降低诊断年龄和解决专家等候名单挑战的影响.
主要方法:
- 从最初的254个Canvas Dx处方中分析了非识别的汇总数据. 市场授权后.
- 将Canvas Dx自闭症预测与临床参考标准诊断进行比较.
- 评估设备性能指标,包括负预测值 (NPV),正预测值 (PPV),灵敏度和特异性.
主要成果:
- 帆布Dx在现实世界中表现出高准确度,NPV为97.6%,PPV为92.4%.
- 接受积极自闭症预测的儿童的平均年龄为37.2个月,比目前的诊断年龄早两年多.
- 与临床试验数据相比,现实世界的表现相当于或更好,特别是在确定输出和PPV.
结论:
- 帆布Dx是一个可行的和有效的工具,用于支持准确,公平,和早期的自闭症诊断或排除儿童.
- 基于人工智能的诊断可以帮助减轻专家等待列表,并促进获得关键早期干预.
- 像Canvas Dx这样的工具的更广泛的临床采用和医疗覆盖对于解决儿科自闭症诊断日益严重的危机至关重要.
