KI-Modell hilft bei der Früherkennung von Autismus

Ein neues maschinelles Lernmodell kann Autismus bei Kleinkindern anhand relativ begrenzter Informationen vorhersagen, so eine neue Studie des Karolinska Institutet, die in der Zeitschrift JAMA Network Open veröffentlicht wurde. Dieses Modell kann die Früherkennung von Autismus erleichtern, was wichtig ist, um die richtige Unterstützung zu bieten.

Kristiina Tammimies, außerordentliche Professorin am KIND, der Abteilung für Frauen- und Kindergesundheit des Karolinska Institutet und Mitautorin der Studie, sagt: „Mit einer Genauigkeit von fast 80 % bei Kindern unter zwei Jahren hoffen wir, dass dies ein wertvolles Instrument für die Gesundheitsfürsorge sein wird.“

Das Forschungsteam nutzte eine große US-Datenbank (SPARK) mit Informationen zu etwa 30.000 Personen mit und ohne Autismus-Spektrum-Störungen.

Durch die Analyse einer Kombination aus 28 verschiedenen Parametern entwickelten die Forscher vier verschiedene maschinelle Lernmodelle, um Muster in den Daten zu erkennen. Die ausgewählten Parameter waren Informationen über Kinder, die ohne umfangreiche Untersuchungen und medizinische Tests vor dem 24. Lebensmonat gewonnen werden können. Das Modell mit der besten Leistung wurde „AutMedAI“ genannt.

Unter etwa 12.000 Personen konnte das AutMedAI-Modell etwa 80 % der Kinder mit Autismus identifizieren. In spezifischer Kombination mit anderen Parametern waren das Alter beim ersten Lächeln, der erste kurze Satz und das Vorhandensein von Essstörungen starke Prädiktoren für Autismus.

Shyam Rajagopalan, ein weiterer Autor der Studie, assoziierter Forscher in derselben Abteilung des Karolinska Institutet und derzeit Assistenzprofessor am Institute of Bioinfomatics and Applied Technology in Indien, sagt: „Die Ergebnisse dieser Studie sind bedeutsam, weil sie zeigen, dass es möglich ist, anhand relativ begrenzter und leicht verfügbarer Informationen Personen zu identifizieren, die wahrscheinlich Autismus haben.“

Den Forschern zufolge ist eine frühzeitige Diagnose von entscheidender Bedeutung für die Umsetzung wirksamer Interventionen, die eine optimale Entwicklung von Kindern mit Autismus unterstützen können.

„Dieses Tool kann die Bedingungen für eine frühzeitige Diagnose und Intervention drastisch verändern und letztendlich die Lebensqualität vieler Menschen und ihrer Familien verbessern“, sagt Rajagopalan.

In der Studie zeigte das KI-Modell gute Ergebnisse bei der Identifizierung von Kindern mit größeren Schwierigkeiten bei der sozialen Kommunikation und den kognitiven Fähigkeiten sowie mit größeren Entwicklungsverzögerungen.

Das Forschungsteam plant nun weitere Verbesserungen und die Validierung des Modells in klinischen Umgebungen. Außerdem wird daran gearbeitet, genetische Informationen in das Modell einzubeziehen, was zu noch spezifischeren und genaueren Vorhersagen führen könnte.

„Um sicherzustellen, dass das Modell zuverlässig genug ist, um in klinischen Kontexten eingesetzt zu werden, sind gründliche Arbeit und sorgfältige Validierung erforderlich. Ich möchte betonen, dass unser Ziel darin besteht, dass das Modell ein wertvolles Instrument für die Gesundheitsfürsorge wird und nicht dazu gedacht ist, eine klinische Beurteilung von Autismus zu ersetzen“, sagt Tammimies.

Informationsquelle:

Shyam Rajagopalan et al. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229