一种先进的人工智能系统通过分析大脑核磁共振成像准确诊断出幼儿自闭症，准确率高达 98.5%。这项由跨学科团队开发的创新技术有望加强自闭症的早期检测和治疗，解决目前因检测资源有限而导致的诊断延误问题。

一种开创性的人工智能系统利用脑核磁共振成像诊断技术，可以非常准确地诊断出24至48个月大儿童的自闭症，两岁以下儿童自闭症的准确率高达 98.5%，为更早、更有效地治疗和管理自闭症铺平了道路。

在北美放射学会（RSNA）年会上展示的这一系统通过分析专门的脑部核磁共振成像诊断自闭症的准确率高达98.5%，令人印象深刻。

肯塔基州路易斯维尔大学访问研究学者、理学士 Mohamed Khudri 是一个多学科团队的成员，该团队开发了三阶段系统来分析和分类大脑弥散张量 MRI（DT-MRI）。DT-MRI 是一种特殊技术，可检测水如何沿着大脑白质束流动。

Khudri说："我们的算法经过训练，可以识别出偏差区域，从而诊断出一个人是自闭症患者还是神经症患者。"

人工智能系统包括从 DT-MRI 扫描中分离出脑组织图像，并提取显示大脑区域之间连通性水平的成像标记。机器学习算法将自闭症儿童大脑中的标记模式与正常发育大脑中的标记模式进行比较。

单张图像中的五大白质特征（区域对）。颜色图为 黄色=小脑上梗（R）/无楔束（R），橙色=穹窿柱和穹窿体/放射状后冠（L），紫色=脾脏/网状结构内囊（L），蓝色=背侧扣带回（L）/穹窿嵴（R），绿色=脾脏/外囊（R）。图片来源：RSNA/Mohamed Khudri, B.Sc.

"自闭症主要是一种大脑内部连接不当的疾病，"共同作者、路易斯维尔诺顿儿童自闭症中心主任、神经学教授、医学博士格雷戈里-巴恩斯（Gregory N. Barnes）说。"DT-MRI捕捉到了这些导致自闭症儿童经常出现的症状的异常连接，如社交沟通障碍和重复行为。"

研究人员将他们的方法应用于自闭症脑成像数据交换-II 中 226 名年龄在 24 到 48 个月之间的儿童的 DT-MRI 脑扫描。数据集包括 126 名受自闭症影响的儿童和 100 名发育正常儿童的扫描结果。该技术在识别自闭症儿童方面的灵敏度为 97%，特异度为 98%，总体准确率为 98.5%。

Khudri 说："我们的方法是一项新的进步，能够早期发现两岁以下婴儿的自闭症。我们相信，在三岁前进行治疗干预可以带来更好的结果，包括自闭症患者有可能获得更大的独立性和更高的智商。"

根据美国疾病预防控制中心发布的《2023 年自闭症社区报告》，不到一半的自闭症谱系障碍儿童在 3 岁前接受了发育评估，30% 符合自闭症谱系障碍标准的儿童在 8 岁前没有得到正式诊断。

巴恩斯博士说："早期干预的理念是利用大脑的可塑性，即通过治疗使大脑功能恢复正常的能力。成像技术有望以客观的方式快速检测自闭症。我们设想了一种自闭症评估方法，首先进行 DT-MRI 评估，然后由心理学家进行简短的会诊，确认结果并指导家长采取下一步措施。这种方法可以减少心理学家多达 30% 的工作量。"

研究人员说，患有自闭症的婴幼儿迟迟得不到诊断有几个原因，其中包括测试中心带宽不足，他们的人工智能系统可以促进精确的自闭症管理，同时减少与评估和治疗相关的时间和成本。

人工智能系统会生成一份报告，详细说明哪些神经通路受到了影响、对大脑功能的预期影响以及严重程度分级，可用于指导早期治疗干预。

研究人员正在努力实现其人工智能软件的商业化，并获得美国食品和药物管理局（FDA）的许可。