隨著科學技術的發展，人工智能在各個領域的研究應用越來越廣泛，近年來，其在自閉症篩查領域的研究運用，也備受青睞。
2017年2月，《Nature》上就曾刊登一項關於人工智能在自閉症早期篩查上的重要科研成果，是美國北卡羅來納大學（UNC）教堂山分校精神病學家Heather Hazlett帶領團隊基於自閉症早期大腦的變化，開發了一種深度學習算法，預測2歲前的自閉症高危兒童（有個自閉症哥哥或者姐姐）是否會在2歲之後被診斷為自閉症，以88%的準確度遠超準確度只有50%的傳統行為問卷調查法。
2019年，美國《國家科學院學報》上的一項新研究顯示，美國波士頓兒童醫院的研究人員基於自閉症譜系障礙患者的大腦膽鹼能神經環路異常，而大腦膽鹼能神經環路異常會伴隨患者瞳孔自發擴張或收縮以及心率異常，開發了一種深度學習算法，使用心率波動作為量化標準，通過人工智能分析瞳孔變化或心率波動幫助儘早診斷這類疾病。
今年8月份，《Naturemedicine》上新發表了題為《一種多維精準的醫學方法鑑定一種以血脂異常為特徵的孤獨症亞型》的最新研究，這項研究是由美國哈佛醫學院生物醫學信息學系和麻省理工學院計算機科學與人工智能實驗室的研究人員聯合進行，研究人員首次使用最先進的一種AI 算法：圖聚類算法，將自閉症的生物醫學和臨床醫療大數據整合在一起，確定確定了以血脂異常為特徵的自閉症亞型。該研究對自閉症的早期篩查和干預意義重大，提示我們常規的血脂化驗可有助於篩查新生兒自閉症的風險，併為自閉症的早期干預提供了新的方向。
自閉症作為當代醫學一大難題，由於病因複雜，缺乏有效的治癒方法，早發現，早治療，抓住黃金干預期，對患者至關重要。但由於目前對於自閉症早期篩查通常都是來自於家長和老師的行為觀察，早期的診斷也都是基於行為觀察和問卷調查的方法，絕大部分的兒童，在2歲前很難得到準確的篩查和判斷 。人工智能技術的研究運用，則可以在更早期進行識別篩查，有望為自閉症的確診和及早干預節省寶貴的時間。
但由於自閉症兒童病因複雜多樣，個體差異性和能力表現差別都很大，對於人工智能在自閉症兒童早期篩查和治療廣泛運用而言，可能面臨的重大挑戰依然有很多，亟待科研工作者付出更多的努力，我們也期待更精準化的人工智能技術早日實現運用，更普遍的幫助自閉症兒童。
關注公眾號【聚療】，是一家專注自閉症康復的機構，開創了醫、教、養三位一體的聚療綜合定製療法,點亮每一顆星星。
