Kristiina Tammimies, a svédországi Karolinska Institutet munkatársa, a tanulmány társszerzője elmondta: „A mesterségesintelligencia-modell segítségével felhasználhatóvá válhat a rendelkezésre álló információ, és korábban azonosíthatóvá válhatnak azok az egyének, akiknél az autizmus valószínűsége megemelkedett, így hamarabb kaphatnak segítséget és állíthatnak fel róluk diagnózist.”

De hozzátette: „Hangsúlyozni szeretném, hogy az algoritmus nem képes diagnosztizálni az autizmust, mivel azt klinikai módszerekkel kell elvégezni” − osztotta meg a kutató véleményét a The Guardian.

Nem ez az első alkalom, hogy a kutatók megpróbálják a mesterséges intelligenciát az autizmus szűrésére felhasználni. A tudósok más tanulmányok mellett korábban már használtak ilyen technológiát gyermekek retinaszkennelésével együtt.

A Jama Network Open című folyóiratban Tammimies és munkatársai arról számolnak be, hogyan hasznosították a Spark amerikai tanulmány adatait, amely 15 330 autizmusspektrum-zavarral rendelkező és ugyanennyi egészséges gyermek adatait foglalta magában.

A kutatócsoport leírja, hogy 28 olyan mérőszámra összpontosítottak, amelyeket a gyermekek 24 hónapos kora előtt könnyen meg lehet állapítani orvosi és háttérkérdőívekből származó információk alapján, mint például hogy mennyi idősen mosolygott először a gyermek. 

Ezután olyan gépi tanulási modelleket hoztak létre, amelyek mindkét csoport körében e jellemzők kombinációiban különböző mintázatokat kerestek. Miután az adatok felhasználásával négy különböző modellt építettek és hangoltak, a csapat kiválasztotta a legígéretesebbet, és azt egy további, 11 936 résztvevőt tartalmazó kontrollcsoporton tesztelte, amelyről ugyanezen jellemzők adatai álltak rendelkezésre. E résztvevők közül összesen 10 476-ról állapítottak meg autizmusspektrum-zavart.

Az eredményekből kiderült, hogy a modell összességében 9417 (78,9 százalék) résztvevőt azonosított helyesen autizmusspektrum-zavarral vagy anélkül, a pontosság 78,5 százalék volt a kétévesnél fiatalabb gyermekek esetében, 84,2 százalék a két és négy év közöttieknél és 79,2 százalék a négy és tíz év közöttieknél.

Egy másik, 2854 autista személyt tartalmazó adatsoron végzett további tesztben a modell 68 százalékban azonosította helyesen az ilyen diagnózist. A kutatók szerint a modell előrejelzései szempontjából általánosságban a legjelentősebbnek tűnő mérőszámok közé tartoztak az ételek fogyasztásával kapcsolatos problémák, az első hosszabb mondatok kialakítása, a szobatisztaság elérése és az első mosolygás.

A kutatócsoport hozzátette, hogy egy további elemzés, amely összehasonlította a modell által helyesen autistaként és a tévesen nem autistaként azonosított résztvevőket, azt mutatta, hogy a modell hajlamos volt az autizmust súlyosabb tünetekkel és általánosabb fejlődési problémákkal rendelkező egyéneknél azonosítani.

Néhány szakértő azonban óvatosságra intett, megjegyezve, hogy a modell csak 80 százalékban volt képes helyesen megállapítani, kik nem rendelkeznek autizmusspektrum-zavarral, ami azt jelenti, hogy 20 százalékukat tévesen gondolták autistának.

Ginny Russell professzor, az Exeteri Egyetem munkatársa szerint azért, mert nehéz megmondani, hogy mely kisgyermekeknél lehet súlyosabb, és kik azok, akik a lassú kezdés ellenére is „felzárkóznak”. „Az én ajánlásom szerint a két év alattiaknál túl korai lenne pszichiátriai címkéket alkalmazni néhány jelző alapján, mint például hogy miként viselkednek étkezésnél” − tette hozzá.