早期自闭症检测:对新兴技术,生物标志物和可解释的AI方法的审查
Rucha Agrawal1, Renuka Agrawal2
1Symbiosis Institute of Technology, Symbiosis International (Deemed University), Pune, India.
Molecular brain
|December 25, 2025
概括
早期发现自闭症谱系障碍 (ASD) 对干预至关重要. 本综述探讨了人工智能驱动的生物标志物,强调了用可解释人工智能 (XAI) 作为一个有希望的,可解释的诊断工具的眼神分析.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 生物标志物研究 生物标志物研究
背景情况:
- 自闭症谱系障碍 (ASD) 是一种神经发育障碍,其特点是社会沟通缺陷和重复性行为.
- 早期发现ASD对于及时干预和改善长期结果至关重要.
- 人工智能 (AI) 的进步正在推动对ASD数据驱动的诊断方法的兴趣.
研究的目的:
- 审查各种生物标志物类别 (行为,神经成像,遗传,眼睛凝视) 以早期发现ASD.
- 确定研究缺口,并比较不同生物标志物领域的诊断潜力.
- 探索可解释AI (XAI) 在提高ASD诊断模型的解释性和临床实用性方面的作用.
主要方法:
- 关于ASD生物标志物的现有研究的综合文献综述.
- 在生物标志物领域对方法,临床应用和诊断准确性的比较分析.
- 讨论可解释AI (XAI) 与不同生物标志物方法的整合.
主要成果:
- 确定了研究缺陷,包括神经成像中的有限解释性,基因组学中的数据可访问性问题,以及行为测量中的和.
- 眼睛凝视分析已成为一个有前途的生物标志物,因为它具有成本效益,非侵入性和客观实时测量的潜力.
- 可解释性AI (XAI) 对于提高AI驱动的ASD诊断的透明度和临床信心至关重要.
结论:
- 眼睛凝视分析,特别是当被可解释AI (XAI) 方法增强时,代表了ASD诊断的重要未来研究方向.
- 通过XAI进一步探索以眼神视线为基础的模型,可以弥合算法创新和可解释的现实世界临床应用之间的差距.
- 在所有生物标志物领域整合XAI对于推进可靠和临床适用的AI解决方案来早期检测ASD至关重要.
