人工智慧可從嬰兒大腦圖像中發現自閉症徵兆

美國科研人員利用人工智慧演算法對188名3至9個月大的嬰兒的大腦圖像進行分析，發現了其中的自閉症徵兆。

美國波士頓的科學家們使用「低成本、非侵入式」腦電圖(EEGs)開發了一種解讀腦電圖數據的演算法，能在腦電圖信號中尋找模式，並利用這些模式進行預測或排除一個嬰兒患有自閉症譜系障礙的可能性。在一個由188名嬰兒組成的樣本案例中，該演算法對9個月大的嬰兒預測自閉症譜系障礙(ASD)的準確率幾乎達到100%。該演算法還被用來預測該疾病的嚴重程度。

由於自閉症譜系障礙的複雜性，任何年齡段的自閉症診斷都相當困難。通常情況下，在嬰兒兩歲左右，癥狀就會顯現出來，而這個年齡段對孩子的社交和溝通起著重要作用。為此，波士頓兒童醫院、波士頓大學和舊金山大學的認知神經科學實驗室的醫生和計算科學家們研究了來自嬰兒兄弟姐妹項目的數據，該項目現在被稱為嬰兒篩查項目。

該項目是波士頓兒童醫院和波士頓大學之間的合作項目，目的是規劃早期發展，並鑒別那些有自閉症和/或語言和溝通障礙風險的嬰兒。為了研究這些數據，舊金山大學的健康信息學和臨床心理學副教授William Bosl博士在過去的十年里一直致力於對腦電圖信號進行解讀。Bosl的研究表明，即使是出現「正常」的腦電圖，也包含了「深層」數據，這些數據揭示了大腦功能、連接模式和結構的秘密，而這是人類醫生所不能看到的。

在嬰兒篩查項目中，Bosl博士從99名被認為患有自閉症高風險的嬰兒中獲取他們的腦電圖數據，這些嬰兒的哥哥或姐姐已經有了自閉症診斷，此外，數據來源還有89個低風險兒童，他們的兄弟姐妹沒有受該疾病影響。當嬰兒3、6、9、12、18、24和36個月大時，嬰兒坐在媽媽的大腿上，頭皮上被安裝一個內置128個感測器的網，以此獲取他們的腦電圖數據。所有嬰兒都接受了自閉症診斷觀察計劃(ADOS)的行為評估。

Bosl的演算法分析了腦電圖的6種頻率（高γ波、γ波、β波、α波、θ波、δ波），以測量每個嬰兒大腦連接方式和處理信息方式的的差異。在95%以上的病例中，該演算法預測自閉症的臨床診斷為「高特異性、敏感性和陽性預測值」。Bosl稱這樣的結果「令人震驚」。

嬰兒在3個月到9個月大時，預測準確率幾乎為100%，而且研究小組還能夠預測自閉症的嚴重程度，就像用自閉症診斷觀察量表（ADOS）的校準嚴重程度評分來表示，嬰兒在9個月大的時候該預測也有「相當高的可靠性」。

波士頓兒童醫院認知神經科學實驗室主任、這項研究的作者之一Charles Nelson博士稱，腦電圖是一種低成本、非侵入式、相對容易的用於嬰兒健康檢查的方法。它在預測孩子是否會患上自閉症上的可靠性提高了儘早（在明顯的行為癥狀出現之前）干預的可能性。這可能會帶來更好的結果，甚至可能會阻止一些與自閉症相關的行為。

Bosl認為，在大腦活動的多個方面，腦電圖信號複雜性存在早期差異，這與自閉症是在大腦早期發育過程中開始的一種障礙，但它可以採取不同的途徑呈現的觀點相符合。這項研究已發表在《科學報告》雜誌上。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！