对于患有自闭症谱系障碍 (ASD) 的儿童，接受早期诊断可以在改善行为、技能和语言发展方面产生巨大差异。但是，尽管它是最常见的发育障碍之一，影响了美国每 54 名儿童中的 1 名，但诊断起来并不那么容易。
没有实验室测试，也没有确定的单一遗传原因——相反，临床医生会观察孩子的行为，并根据问卷调查对孩子的照顾者进行结构化访谈。但这些调查问卷范围广泛、复杂且并非万无一失。
南加州大学教授 Shrikanth Narayanan、Niki 和 Max Nikias 工程兼电气和计算机工程教授 Shrikanth Narayanan 说： “在试图辨别和分层自闭症谱系障碍等复杂情况时，知道要问什么问题以及按什么顺序提出问题变得具有挑战性。” 、计算机科学、语言学、心理学、儿科和耳鼻喉科。
“因此，该系统难以管理，并且会产生误报，或将 ASD 与其他合并症混淆，例如注意力缺陷多动障碍 (ADHD)。”
结果，许多孩子在关键时刻未能得到他们需要的治疗。
由南加州大学计算机科学研究人员领导的跨学科团队与自闭症临床专家和研究人员合作，希望通过创建一个更快、更可靠和更易于访问的系统来筛查儿童的 ASD 来改善这一点。基于人工智能的方法采用计算机自适应测试的形式，由机器学习提供支持，帮助临床从业者根据护理人员之前的反应实时决定接下来要问什么问题。
“我们希望通过引导临床医生使用一种算法来最大限度地提高访谈的诊断能力，这种算法在需要时可以更加好奇，但也会尽量不问比需要更多的问题，”研究的主要作者维克托·阿杜洛夫说。 ，计算机科学博士。Narayanan 建议的学生。“通过以这种方式训练算法，你可以优化它，使其尽可能有效地利用迄今为止收集到的信息。”
除了 Narayanan 和 Ardulov，发表在《科学报告》(Scientific Reports) 上的这项研究的合著者还有 Victor Martinez 和 Krishna Somandepalli，他们都是最近的南加州大学博士。毕业生;来自加州大学旧金山分校的自闭症研究人员郑舒婷、艾玛萨尔兹曼和萨默毕晓普;和来自加州大学洛杉矶分校的 Catherine Lord。