Laut Studie kann ein KI-Modell Kleinkinder mit Autismusrisiko mit einer Genauigkeit von 80 % identifizieren

Jüngste Forschungsergebnisse haben gezeigt, dass künstliche Intelligenz (KI) das Potenzial hat, bei der Identifizierung autismusgefährdeter Kleinkinder zu helfen, wobei die Genauigkeitsrate bei Kindern unter zwei Jahren bei etwa 80 % liegt.

Artificial intelligence (AI) has shown promise in aiding the identification of toddlers at risk of autism, with an accuracy rate of about 80% for children under two, according to recent research.

Künstliche Intelligenz (KI) hat sich als vielversprechend bei der Identifizierung von Kleinkindern mit Autismusrisiko erwiesen, mit einer Genauigkeitsrate von etwa 80 % bei Kindern unter zwei Jahren, wie eine aktuelle Studie zeigt.

A team of researchers from the Karolinska Institutet in Sweden developed a machine learning-based screening system. While the AI model cannot replace traditional diagnostic methods, it could help identify children early on who may need further clinical evaluation.

Ein Forscherteam des Karolinska Institutet in Schweden hat ein auf maschinellem Lernen basierendes Screening-System entwickelt. Obwohl das KI-Modell herkömmliche Diagnosemethoden nicht ersetzen kann, könnte es dabei helfen, Kinder frühzeitig zu erkennen, die möglicherweise einer weiteren klinischen Untersuchung bedürfen.

“Using [the] AI model, it can be possible to use available information and identify individuals with an elevated likelihood for autism so that they can get earlier diagnosis and help,” said Dr. Kristiina Tammimies, a study co-author.

„Mithilfe des KI-Modells kann es möglich sein, verfügbare Informationen zu nutzen und Personen mit einem erhöhten Risiko für Autismus zu identifizieren, damit sie früher eine Diagnose und Hilfe erhalten können“, sagte Dr. Kristiina Tammimies, Mitautorin der Studie.

However, she cautioned that the model should not be viewed as a standalone diagnostic tool, reiterating that the final diagnosis should be conducted through standard clinical methods.

Sie warnte jedoch davor, das Modell als eigenständiges Diagnoseinstrument zu betrachten, und bekräftigte, dass die endgültige Diagnose mithilfe klinischer Standardmethoden durchgeführt werden sollte.

The AI model was developed using data from the U.S.-based Spark study, which provided information on 15,330 children diagnosed with autism and an equal number of children without the condition.

Das KI-Modell wurde anhand von Daten der US-amerikanischen Spark-Studie entwickelt, die Informationen über 15.330 mit Autismus diagnostizierte Kinder und eine gleiche Anzahl von Kindern ohne Autismus lieferte.

From medical and background questionnaires, the researchers selected 28 measures that could be easily obtained before children reach 24 months of age, such as age at first smile, eating behaviors and age at first construction of longer sentences.

Aus medizinischen Fragebögen und Hintergrundfragebögen wählten die Forscher 28 Messwerte aus, die leicht ermittelt werden konnten, bevor Kinder 24 Monate alt waren, wie z. B. das Alter beim ersten Lächeln, das Essverhalten und das Alter beim ersten Aufbau längerer Sätze.

Using machine learning to analyze patterns in the data, the research team compared the identified patterns between autistic and non-autistic children to build four different models, selecting the most effective one for further testing.

Mithilfe von maschinellem Lernen zur Analyse von Mustern in den Daten verglich das Forschungsteam die identifizierten Muster zwischen autistischen und nicht-autistischen Kindern, um vier verschiedene Modelle zu erstellen und das effektivste für weitere Tests auszuwählen.

When applied to a separate dataset of 11,936 participants, the model correctly identified 78.9% of the children as either autistic or non-autistic. Specifically, the accuracy was 78.5% for children aged up to two years, 84.2% for those aged two to four years and 79.2% for those aged four to ten years.

Bei der Anwendung auf einen separaten Datensatz von 11.936 Teilnehmern identifizierte das Modell 78,9 % der Kinder korrekt als autistisch oder nicht autistisch. Konkret betrug die Genauigkeit 78,5 % für Kinder im Alter bis zu zwei Jahren, 84,2 % für Kinder im Alter von zwei bis vier Jahren und 79,2 % für Kinder im Alter von vier bis zehn Jahren.

An additional test using a dataset of 2,854 autistic individuals resulted in a lower accuracy rate of 68%, which the researchers attributed to differences in the dataset, including some missing parameters.

Ein zusätzlicher Test mit einem Datensatz von 2.854 autistischen Personen ergab eine geringere Genauigkeitsrate von 68 %, was die Forscher auf Unterschiede im Datensatz, einschließlich einiger fehlender Parameter, zurückführten.

The study identified several key measures that significantly influenced the AI model's prediction of autism, including problems with eating certain foods, the age at which a child first constructed longer sentences, the age at which a child achieved potty training and the age at which a child first smiled.

Die Studie identifizierte mehrere Schlüsselmaße, die die Vorhersage von Autismus durch das KI-Modell erheblich beeinflussten, darunter Probleme beim Verzehr bestimmter Nahrungsmittel, das Alter, in dem ein Kind zum ersten Mal längere Sätze bildete, das Alter, in dem ein Kind das Töpfchentraining absolvierte, und das Alter, in dem ein Kind lächelte zuerst.

These factors, according to the research team, played a crucial role in the model’s ability to differentiate between autistic and non-autistic children.

Diese Faktoren spielten dem Forschungsteam zufolge eine entscheidende Rolle für die Fähigkeit des Modells, zwischen autistischen und nicht-autistischen Kindern zu unterscheiden.

Further analysis revealed that the model tended to identify autism more accurately in individuals who exhibited more severe symptoms and broader developmental issues. This finding suggests that the model might be more effective at recognizing cases with more noticeable developmental challenges accompanying autism.

Weitere Analysen ergaben, dass das Modell Autismus tendenziell genauer bei Personen identifizieren konnte, die schwerwiegendere Symptome und umfassendere Entwicklungsprobleme aufwiesen. Dieser Befund legt nahe, dass das Modell möglicherweise wirksamer bei der Erkennung von Fällen mit auffälligeren Entwicklungsherausforderungen im Zusammenhang mit Autismus ist.

Despite the promising results, some experts expressed concerns about the model's ability to correctly identify non-autistic children. With an 80% accuracy rate, the model could potentially lead to overdiagnosis and unnecessary stress for families, as 20% of non-autistic children might be incorrectly flagged as possibly autistic.

Trotz der vielversprechenden Ergebnisse äußerten einige Experten Bedenken hinsichtlich der Fähigkeit des Modells, nicht-autistische Kinder korrekt zu identifizieren. Mit einer Genauigkeitsrate von 80 % könnte das Modell möglicherweise zu Überdiagnosen und unnötigem Stress für Familien führen, da 20 % der nicht-autistischen Kinder fälschlicherweise als möglicherweise autistisch gekennzeichnet werden könnten.

Professor Ginny Russell from the University of Exeter sounded a note of caution regarding the push for early diagnosis, especially in very young children.

Professorin Ginny Russell von der University of Exeter äußerte sich zur Vorsicht hinsichtlich der Bemühungen um eine frühzeitige Diagnose, insbesondere bei sehr kleinen Kindern.

“It can be hard to tell the difference between a toddler who has a severe impairment and one who is simply developing more slowly but will eventually ‘catch up.’ I would not recommend applying psychiatric labels to children under the age of two on the basis of a limited range of behavioral indicators, such as whether they eat certain foods,” Russell said.

„Es kann schwierig sein, den Unterschied zwischen einem Kleinkind mit einer schweren Beeinträchtigung und einem Kleinkind zu erkennen, das sich einfach langsamer entwickelt, aber irgendwann ‚aufholen‘ wird.“ Ich würde nicht empfehlen, Kinder unter zwei Jahren aufgrund einer begrenzten Anzahl von Verhaltensindikatoren, etwa ob sie bestimmte Lebensmittel essen, als psychiatrisch einzustufen“, sagte Russell.