利用人工智能驱动的神经成像生物标志物用于自闭症谱系障碍的早期检测和社会功能预测:系统性审查
Evgenia Gkintoni1, Maria Panagioti2, Stephanos P Vassilopoulos1
1Department of Educational Sciences and Social Work, University of Patras, 26504 Patras, Greece.
Healthcare (Basel, Switzerland)
|August 14, 2025
概括
人工智能 (AI) 与神经成像相结合,显示出早期自闭症谱系障碍 (ASD) 检测的前景. 机器学习模型实现了高精度,识别了干预的关键发育窗口.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 发育儿科 发育儿科
背景情况:
- 系统审查人工智能 (AI) 在自闭症谱系障碍 (ASD) 神经成像中的应用.
- 讨论了人工智能在生物标志物优化,模式集成和发育轨迹预测方面的作用.
- 专注于增强多式联络数据,以便更早地检测ASD并改善结果.
研究的目的:
- 检查用于自闭症谱系障碍 (ASD) 神经成像中的AI应用.
- 评估AI在早期检测,预后和干预有效性测量方面的潜力.
- 确定AI驱动的神经成像在ASD的临床翻译的挑战和机会.
主要方法:
- 根据PRISMA指南,在8个数据库中进行了全面的系统文献搜索.
- 从1872年的初始记录中分析了146项选定的研究.
- 系统分析以解决关于AI神经成像方法在ASD中的研究问题.
主要成果:
- 人工智能和神经成像显示出早期ASD检测的巨大潜力,特别是使用电脑电图 (EEG).
- 机器学习分类器使用神经特征实现了85-99%的诊断准确度.
- 多模式方法和纵向分析增强了预测能力,并追踪了发展轨迹.
结论:
- 人工智能驱动的神经成像生物标志物为在行为症状出现之前检测ASD提供了一个有希望的途径.
- 人工智能神经成像可以提供对干预有效性的客观测量.
- 标准化,多样化的采样和临床验证对于将AI发现转化为早期ASD干预的临床实践至关重要.
