一项研究发现，重复行为、特殊兴趣以及基于感知的行为是自闭症诊断的重要指标，而不是社交技能。研究人员使用大型语言模型（LLM）来分析临床观察和评估中最能指示自闭症诊断的行为。
为了分解通常主观且难以描述的临床决策过程，研究人员利用一个预训练了约4.89亿个独特句子的语言模型，然后对其进行微调，以预测从超过4,000份由临床医生撰写的患者报告中得出的诊断结果。这些报告通常被多位临床医生使用，包括观察到的行为和相关病史，但不包括建议的诊断结果。
研究团队开发了一个定制的LLM模块，该模块可以识别出报告中与正确诊断最相关的特定句子。然后，他们提取了这些高度相关的句子的数值表示，并直接与《精神疾病诊断与统计手册》第五版（DSM-5）中列出的既定诊断标准进行比较。
研究人员惊讶地发现，LLM能够非常清晰地区分最具诊断相关性的标准。例如，他们的框架标记出重复行为、特殊兴趣和基于感知的行为是与自闭症最相关的标准。虽然这些标准在临床实践中被使用，但目前的标准更多地关注社交互动缺陷和缺乏沟通能力。
“我们的目标并不是建议用AI工具取代临床医生进行诊断，”魁北克人工智能研究所和蒙特利尔麦吉尔大学的高级作者Danilo Bzdok说。“相反，我们希望量化临床医生用于做出最终诊断决定的具体行为或病史方面。通过这样做，我们希望使临床医生能够使用更符合其实际经验的诊断工具。”
研究团队预计，他们的框架将对那些依赖临床判断进行诊断的精神心理和神经发育障碍的研究人员和医疗专业人员有所帮助。
(全文结束)
