En studie i JAMA Network Open presenterar en maskininlärningsmodell, AutMedAI, som kan förutsäga autism hos barn under två år med nästan 80 % noggrannhet. Modellen är utformad för att använda grundläggande beteende- och medicinsk information, som ofta samlas in vid rutinmässiga barnläkarbesök, och kan därmed bli ett användbart verktyg för tidig autismupptäckt. Forskarna vid Karolinska Institutet använde data från SPARK-databasen med över 30 000 barn för att träna modellen, som baserades på 28 lättillgängliga utvecklings- och beteendemilstolpar.
AutMedAI identifierar faktorer som ålder för första leendet och språkförmåga för att bedöma autismrisk. Även om den inte ersätter detaljerade kliniska bedömningar, kan modellen hjälpa till att flagga barn som behöver vidare utvärdering, vilket möjliggör tidigare insatser. Forskarna understryker att ytterligare validering krävs för att implementera modellen kliniskt och undersöker möjligheten att inkludera genetisk information för ökad noggrannhet. Tidiga insatser kan avsevärt förbättra utvecklingsresultaten för barn med autism, särskilt inom sociala och kommunikativa färdigheter.
källa: psypost.org