Neues KI-Modell erkennt Autismus bei Kleinkindern frühzeitig

MÜNCHEN (IT BOLTWISE) – Ein neues KI-Modell des Karolinska Instituts kann Autismus bei Kleinkindern mit einer Genauigkeit von 80 % vorhersagen. Dies könnte die Frühdiagnose revolutionieren und frühzeitige Interventionen ermöglichen.

Eine neue Studie des Karolinska Instituts, veröffentlicht in JAMA Network Open, zeigt, dass ein Machine-Learning-Modell Autismus bei Kleinkindern anhand begrenzter Informationen vorhersagen kann. Das Modell könnte die Frühdiagnose von Autismus erleichtern, was entscheidend ist, um den Betroffenen frühzeitig die richtige Unterstützung zukommen zu lassen.

„Mit einer Genauigkeit von fast 80 Prozent bei Kindern unter zwei Jahren hoffen wir, dass dies ein wertvolles Werkzeug für das Gesundheitswesen sein wird“, erklärt Kristiina Tammimies, außerordentliche Professorin am KIND, Abteilung für Frauen- und Kindergesundheit am Karolinska Institutet und Letztautorin der Studie.

Das Forschungsteam nutzte eine umfangreiche US-Datenbank (SPARK), die Informationen von rund 30.000 Personen mit und ohne Autismus-Spektrum-Störungen enthält. Das KI-Modell zeigte in der Studie gute Ergebnisse bei der Identifizierung von Kindern mit stärkeren sozialen Kommunikationsschwierigkeiten, kognitiven Defiziten und allgemeinen Entwicklungsverzögerungen.

Durch die Analyse einer Kombination von 28 verschiedenen Parametern entwickelten die Forscher vier unterschiedliche Machine-Learning-Modelle, um Muster in den Daten zu erkennen. Diese Parameter basierten auf Informationen über Kinder, die ohne umfangreiche Bewertungen und medizinische Tests vor dem 24. Lebensmonat erhoben werden können. Das erfolgreichste Modell erhielt den Namen „AutMedAI“.

Unter den rund 12.000 untersuchten Personen konnte das AutMedAI-Modell etwa 80 % der Kinder mit Autismus identifizieren. Besonders aussagekräftig waren bestimmte Parameterkombinationen, darunter das Alter des ersten Lächelns, der Zeitpunkt des ersten kurzen Satzes sowie das Vorhandensein von Essstörungen.

„Die Ergebnisse der Studie sind bedeutsam, da sie zeigen, dass es möglich ist, Personen mit einer hohen Wahrscheinlichkeit für Autismus anhand relativ begrenzter und leicht zugänglicher Informationen zu identifizieren“, betont Shyam Rajagopalan, Erstautor der Studie und derzeit Assistenzprofessor am Institute of Bioinformatics and Applied Technology in Indien.

Laut den Forschern ist eine frühzeitige Diagnose von entscheidender Bedeutung, um wirksame Interventionen umzusetzen, die Kindern mit Autismus helfen können, sich optimal zu entwickeln.

„Dies kann die Bedingungen für eine frühzeitige Diagnose und Interventionen drastisch verändern und letztendlich die Lebensqualität vieler Betroffener und ihrer Familien verbessern“, fügt Shyam Rajagopalan hinzu.

Das Forschungsteam plant nun weitere Verbesserungen und Validierungen des Modells in klinischen Umgebungen. Zudem wird daran gearbeitet, genetische Informationen in das Modell zu integrieren, was zu noch spezifischeren und genaueren Vorhersagen führen könnte.

„Um sicherzustellen, dass das Modell zuverlässig genug ist, um in klinischen Kontexten eingesetzt zu werden, sind sorgfältige Validierungen erforderlich. Ich möchte betonen, dass unser Ziel darin besteht, das Modell zu einem wertvollen Werkzeug für das Gesundheitswesen zu machen, und es soll nicht die klinische Bewertung von Autismus ersetzen“, erklärt Kristiina Tammimies abschließend.