精神科医生通常诊断自闭症谱系障碍（ASD）通过观察一个人的行为和倾向于精神障碍（DSM-5）的诊断和统计手册，广泛地认为心理健康诊断的“圣经”。
然而，频谱上的个人存在大量差异，仍然是科学遗留的问题，仍然是自闭症的原因，甚至是什么自闭症。结果，对患者的准确诊断和对患者的预后预测可能非常困难。
但如果是什么人工智能（AI）可以提供帮助吗？深度学习，一种AI类型，部署人工神经网络基于人的大脑以类似于类似的方式识别模式，在某些情况下可以超越人类能力。
来自Kaist的一群研究人员与Yonseiuniversity医学院合作已经将这些深度学习技术应用于自闭症诊断。
磁共振成像（MRI）研究人员和临床医生已经使用了已知有自闭症的人的扫描，以确定他们认为与ASD相关的大脑的结构。这些研究人员在鉴定脑皮质激活和与条件相关的连接中鉴定异常的灰白和白质量和不规则性方面取得了相当大的成功。
广告
广告
随后在研究期间部署了这些发现，这些结果已经部署了患者更一致的患者诊断而不是通过精神科医生在咨询会议期间取得的观察。虽然这些研究报告了高水平的诊断准确性，但这些研究的参与者的数量较小，通常在50岁以下，并且在应用于大型样本尺寸或包括来自各种人口的人的数据集上时，诊断性能明显下降地点。
“围岩大学驻延世大学陆屈医院儿童和青少年精神病学教授之一医学。“而人类在成千上万的MRI扫描将无法接受我们缺失的东西，”她继续。“但我们认为AI可能会。”
因此，团队将五种不同类别的深度学习模型应用于超过1,000 mRI扫描的开源数据集，来自自闭症脑成像数据交换（遵守）倡议，该倡议已收集大脑成像来自世界各地的实验室的数据，以及延期医院遣散医院儿童精神病诊所的较小，但更高分辨率的MRI图像数据集（84张图片）。在这两种情况下，研究人员使用了结构性体验MRIS（检查了脑的解剖学）和功能性MRIS（检查不同地区的脑活动）。
该模型允许该团队通过脑区探索ASD脑区的结构基础，特别是在脑皮质下方的许多结构上，包括基础神经节，该基础神经节涉及电机功能（运动）以及学习和记忆。
至关重要的是，这些特定类型的深度学习模型也提出了对AI如何提出的原理对这些发现来提供可能的解释。“了解AI分类这些脑结构和动态的方式极为重要，”桑万李，另一作家和Kaist副教授桑万李说。“如果医生可以告诉病人，那么电脑说他们有自闭症，那就不好了，但不能说计算机知道为什么。”
深度学习模型也能够描述特定方面有助于ASD，可以在诊断过程中提供精神病医生的分析工具，以确定自闭症的严重程度。
“医生应该能够用它来为患者提供个性化的诊断，包括如何发生条件如何发展的预后，”李说。“人工智能不会让精神科医生摆脱工作，”他解释道。“但是使用AI作为工具，应该使医生更好地了解和诊断复杂的疾病，而不是自己的疾病。”
调查结果发表在期刊上IEEE访问。
来源：韩国先进科学与技术研究所
