Novi model mašinskog učenja može predvideti autizam kod male dece na osnovu relativno ograničenih informacija. Ovo pokazuje nova studija Instituta Karolinska objavljena u JAMA Netvork Open. Model može olakšati rano otkrivanje autizma, što je važno za pružanje prave podrške.
„Sa tačnošću od skoro 80% za decu mlađu od dve godine, nadamo se da će ovo biti vredan alat za zdravstvenu zaštitu“, kaže Kristiina Tamimies, vanredni profesor na KIND, Odeljenje za zdravlje žena i dece, Karolinska institut i poslednji autor studije.
Istraživački tim je koristio veliku američku bazu podataka (SPARK) sa informacijama o približno 30.000 osoba sa i bez poremećaja iz autističnog spektra.
Analizom kombinacije od 28 različitih parametara, istraživači su razvili četiri različita modela mašinskog učenja kako bi identifikovali obrasce u podacima. Odabrani parametri su bili podaci o deci koji se mogu dobiti bez opsežnih procena i medicinskih testova pre 24 meseca života. Model sa najboljim učinkom nazvan je „AutMedAI“.
Među oko 12.000 pojedinaca, model AutMedAI je uspeo da identifikuje oko 80% dece sa autizmom. U specifičnoj kombinaciji sa drugim parametrima, starost prvog osmeha, prve kratke rečenice i prisustvo poteškoća u ishrani bili su jaki prediktori autizma.
„Rezultati studije su značajni jer pokazuju da je moguće identifikovati pojedince za koje postoji verovatnoća da imaju autizam iz relativno ograničenih i lako dostupnih informacija“, kaže prvi autor studije Shiam Rajagopalan, pridruženi istraživač u istom odeljenju na Institutu Karolinska. i trenutno docent na Institutu za bioinformatiku i primenjenu tehnologiju, Indija.
Rana dijagnoza je ključna, prema istraživačima, za sprovođenje efikasnih intervencija koje mogu pomoći deci sa autizmom da se optimalno razvijaju.
„Ovo može drastično da promeni uslove za ranu dijagnozu i intervencije i na kraju poboljša kvalitet života mnogih pojedinaca i njihovih porodica“, kaže Rajagopalan.
U studiji, AI model je pokazao dobre rezultate u identifikaciji dece sa većim poteškoćama u socijalnoj komunikaciji i kognitivnim sposobnostima i sa opštijim zaostajanjem u razvoju.
Istraživački tim sada planira dalja poboljšanja i validaciju modela u kliničkim uslovima. Takođe se radi na uključivanju genetskih informacija u model, što može dovesti do još konkretnijih i tačnijih predviđanja.
„Da bismo osigurali da je model dovoljno pouzdan da se može implementirati u kliničkim kontekstima, potreban je rigorozan rad i pažljiva validacija. Želim da istaknem da je naš cilj da model postane vrijedan alat za zdravstvenu zaštitu, a nije namijenjen zameniti kliničku procenu autizma“, kaže Tamimies.
