人工智能正在加速对自闭症谱系障碍（ASD）等发育性疾病的早期检测，这有可能让儿童更早地开始接受治疗，并显著改善他们的长期预后。
 
这使得自闭症谱系障碍成为了人工智能在儿科医学领域应用的试验场。众多试点项目已展现出了有希望的成果，也让人们看到了将机器学习技术应用于其他病症的希望。
 
为何此事至关重要？
自闭症谱系障碍患儿的家长往往在孩子三岁前的某个时候就会注意到孩子存在发育方面的挑战（https://spectrum.ieee.org/cognoa-ai-autism-diagnostic-seeks-fda-clearance）。然而，在进行检测和诊断方面常常会出现长时间的延误。在许多国家，确诊的典型年龄在五六岁之间（https://pmc.ncbi.nlm.nih.gov/articles/PMC10024300/#:~:text=The%20median%20age%20of%2063.6,a%202018%20Japanese%20study%20%5B28%5D）。
 
除此之外，自闭症谱系障碍往往是通过问卷调查而非血液检测或基因检测来进行诊断的。因此，人们担心问卷回答的标准化问题，而且儿童经常被误诊。
 
IEEE（电气电子工程师学会）高级会员Dheerendra Panwar表示：“人工智能擅长识别那些人类可能因认知偏见或能力限制而忽略的细微行为和基因模式，从而确保更一致、更客观的早期诊断。”
 
新兴方法
研究人员已采用多种方法来检测自闭症谱系障碍（ASD）。其中一种方法利用传感器和成像技术来检测言语和语言技能方面的变化。IEEE会士Shrikanth Narayanan因这一研究领域的成果而荣获2025年IEEE詹姆斯・L・弗拉纳根语音与音频处理奖（IEEE 2025 James L. Flanagan Speech and Audio Processing Award，https://spectrum.ieee.org/signal-processing-tech-autism-diagnosis）。
 
脑部扫描也已成为一种筛查工具。一组研究人员利用机器学习发现，患有自闭症的儿童在玩触屏游戏时施加的力度不同，手指动作也有所不同，这为诊断自闭症提供了另一种途径。由于这项研究是非侵入性的，其他研究人员进一步将触屏技术用作诊断工具，并发明了区分自闭症与其他密切相关病症的方法（https://www.embs.org/pulse/articles/using-ai-and-ml-to-predict-autism-spectrum-disorder/）。
 
后续步骤
尽管这项研究前景乐观，但大部分成果仍处于实验阶段，在临床环境中开展的相关工作还很少。
 
到目前为止，已有一款智能手机应用程序获得了美国食品药品监督管理局（FDA）的批准，可作为自闭症的诊断筛查设备，不过它应与其他医学信息结合使用（https://www.embs.org/pulse/articles/using-ai-and-ml-to-predict-autism-spectrum-disorder/）。
 
然而，根据发表在IEEE Xplore上的一篇论文所述，人工智能驱动的自闭症研究取得的成功，为其他领域（如阅读障碍、注意力缺陷多动障碍和抑郁症）的诊断工具带来了希望（https://ieeexplore.ieee.org/document/10214293）。
 
这一领域的研究仍在继续。如果即将开展的大规模试验能够持续证明其准确性和高效性，那么由人工智能驱动的发育评估有望成为18个月或24个月儿童健康检查中的常规项目。
 
 
关于IEEE
IEEE是世界上最大的技术专业组织，致力于推动技术进步，造福人类。通过其高引用出版物、各种会议、技术标准以及专业和教育活动，IEEE在航空航天系统、计算机和电信、生物医学工程、电力和消费电子产品等众多领域都倍受信赖。 如需了解更多信息，请访问https://www.ieee.org。