Ein neues Modell des maschinellen Lernens kann Autismus bei Kleinkindern anhand relativ begrenzter Informationen vorhersagen. Dies geht aus einer neuen Studie des Karolinska Institutet hervor, die in JAMA Network Open veröffentlicht wurde . Das Modell kann die Früherkennung von Autismus erleichtern, was wichtig ist, um die richtige Unterstützung zu bieten.
„Mit einer Genauigkeit von fast 80 Prozent bei Kindern unter zwei Jahren hoffen wir, dass dies ein wertvolles Instrument für die Gesundheitsversorgung sein wird“, sagt Kristiina Tammimies, außerordentliche Professorin am KIND, der Abteilung für Frauen- und Kindergesundheit des Karolinska Institutet und Letztautorin der Studie.
Das Forschungsteam nutzte eine große US-Datenbank (SPARK) mit Informationen zu etwa 30.000 Personen mit und ohne Autismus-Spektrum-Störungen.
Durch die Analyse einer Kombination aus 28 verschiedenen Parametern entwickelten die Forscher vier verschiedene maschinelle Lernmodelle, um Muster in den Daten zu erkennen. Die ausgewählten Parameter waren Informationen über Kinder, die ohne umfangreiche Untersuchungen und medizinische Tests vor dem 24. Lebensmonat gewonnen werden können. Das Modell mit der besten Leistung wurde „AutMedAI“ genannt.
Unter etwa 12.000 Personen konnte das AutMedAI-Modell etwa 80 % der Kinder mit Autismus identifizieren. In spezifischen Kombinationen mit anderen Parametern erwiesen sich das Alter beim ersten Lächeln, der erste kurze Satz und das Vorhandensein von Essstörungen als starke Prädiktoren für Autismus.
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2822394
