深度学习有助于探索自闭症的结构和战略基础吗？

精神病学家通常通过观察一个人的行为，并根据被广泛认为是精神健康诊断的“圣经”——《精神疾病诊断与统计手册》(DSM-5)，来诊断自闭症谱系障碍(ASD)。

然而，在自闭症谱系上，个体之间存在着巨大的差异，而关于自闭症的成因，甚至自闭症是什么，科学仍有很多未知。因此，ASD的准确诊断和患者的预后预测是极其困难的。

但是,如果人工智能(AI)可以帮助吗?深度学习是一种人工智能人工神经网络基于这一点人脑以类似于类似的方式识别模式，在某些情况下可以超越人类能力。技术或相当套件技术，近年来在近年来越来越多地成功，作为语音识别，翻译，自治车辆和药物发现等多样化。

来自Kaist与Yonseiuniversity医学院合作的一群研究人员已经应用了这些深度学习技巧自闭症诊断。他们的调查结果于8月14日在杂志上发表IEEE访问。

研究人员和临床医生使用磁共振成像（MRI）已知患有自闭症的大脑的扫描，以识别他们认为与ASD相关的大脑的结构。这些研究人员在鉴定脑皮质激活和与条件相关的连接中鉴定异常灰白和白质量和不规则性的情况下取得了相当大的成功。

这些发现随后在研究中部署的研究，试图在咨询会议期间通过精神科医生观察开始的患者更一致的诊断。虽然这些研究报告了高水平的诊断准确性，但这些研究的参与者的数量较小，通常在50岁以下，并且在应用于大型样本尺寸或包括来自各种人口的人的数据集时明显下降地点。

两位通讯作者之一、延世大学医学院Severance医院儿童和青少年精神病学教授Keun-Ah Cheon说，“人类研究人员和临床医生一定忽略了自闭症的定义。”

“人类在成千上万的MRI扫描将无法接受我们缺失的东西，”她继续。“但我们认为AI可能会有能力。”

因此，该团队将五种不同类别的深度学习模型应用于超过1,000 MRI扫描的开源数据集，从自闭症脑成像数据交换（遵守）倡议中，该倡议从世界各地的实验室收集了脑成像数据，以及一个较小，但高分辨率的MRI图像数据集（84张图片）从延世医学院遣散医院的儿童精神病诊所取。在这两种情况下，研究人员使用了结构性体验MRIS（检查了脑的解剖学）和功能性MRIS（检查不同地区的脑活动）。

该模型允许研究小组逐个区域探索ASD大脑的结构基础，特别关注大脑皮层下的许多结构，包括基底神经节，它与运动功能(运动)以及学习和记忆有关。

至关重要的是，这些特定类型的深度学习模型还为人工智能如何得出这些发现的基本原理提供了可能的解释。

“了解AI分类的方式脑结构和动力学极其重要，”另一位通讯作者、韩国科学技术学院副教授Sang Wan Lee说。“如果医生只能告诉病人，电脑说他们患有自闭症，但却不能说电脑为什么知道这一点，那就不好了。”

的深度学习模型也能够描述特定方面有多少贡献给ASD，一个分析工具，可以帮助精神病医生在诊断过程中识别识别的严重程度自闭症。

“医生应该能够利用这一技术为患者提供个性化诊断，包括对病情可能发展的预后，”李说。

“人工智能不会让精神病医生失业，”他解释道。“但使用人工智能作为工具，应该能让医生比自己更好地理解和诊断复杂的疾病。”

---

---