一项学校科学项目已发展成为17岁新泽西州学生Edward Kang的获奖创新，他开发了一种人工智能工具，能够通过分析视网膜图像来筛查自闭症谱系障碍(ASD)和注意力缺陷/多动障碍(ADHD)。这款名为RetinaMind的实验性人工智能通过检查眼球后部照片，识别与这两种神经发育状况相关的细微模式。该项目在2026年Regeneron科学人才搜索赛中为Kang赢得第二名和17.5万美元奖金，这是美国最负盛名的年轻科学家竞赛之一。尽管RetinaMind仍处于研究阶段，但它展示了人工智能如何有朝一日支持更快、侵入性更小的医疗筛查，已引起全球关注。
RetinaMind如何通过视网膜扫描检测自闭症和多动症
Edward Kang是新泽西州哈肯萨克Bergen县学院的高年级学生，他于2023年开始研究RetinaMind，当时他阅读了研究表明视网膜可能提供关于神经系统疾病的线索。这一想法基于视网膜和大脑从相同胚胎组织发育的事实，这意味着大脑发育的变化也可能反映在眼睛中。
为了构建RetinaMind，Kang使用公开可用的视网膜图像数据集对人工智能进行训练。该系统分析视网膜眼底照片，寻找与自闭症、多动症和神经典型个体相关的微观模式。与许多作为"黑箱"运行的人工智能模型不同，RetinaMind还生成可解释的人工智能热力图，突出显示影响其预测的视网膜区域。在开发人工智能的同时，Kang创建了视网膜细胞模型，以研究这些差异背后的生物学原因，确定了包括ABCA4在内的几个可能值得进一步研究的基因。
获奖人工智能的准确率如何？
在初步研究测试中，RetinaMind达到了89%的诊断准确率，这一数字在Kang在2026年Regeneron科学人才搜索赛上展示该项目后引起了广泛关注。该竞赛认可了AI模型的技术复杂性及其将计算机科学与生物研究相结合的努力，为Kang赢得了17.5万美元的二等奖。
然而，报告的准确率来自对公共研究数据集的测试，而非真实医院环境。该系统尚未经过大规模临床试验，无法确认其在不同人群和医疗环境中的表现是否一致。研究人员表示，在任何基于人工智能的视网膜筛查工具被考虑用于常规医疗使用之前，这些验证研究是必不可少的。
RetinaMind能否改变自闭症和多动症筛查的未来？
尽管围绕RetinaMind的兴奋情绪高涨，但专家强调它不能替代临床诊断。目前，自闭症和多动症是通过包括行为评估、发育史、心理测试以及来自父母、教师和医疗专业人员意见的综合评估来诊断的。目前尚无任何人工智能系统获准仅通过视网膜扫描来诊断任一病症。
尽管如此，RetinaMind代表了医疗研究中一个快速发展的领域中的重要一步。全球科学家正越来越多地探索视网膜作为了解大脑健康的窗口，类似的研究正在调查阿尔茨海默病、帕金森病和精神分裂症等疾病。如果未来的临床试验验证了Kang的发现，人工智能驱动的视网膜成像可能成为一种有价值的筛查工具，帮助医生识别可能从早期专科评估中受益的儿童。目前，RetinaMind仍是一项实验性技术，但它展示了青少年的好奇心和科学抱负如何为人工智能辅助医疗的未来做出了贡献。
【全文结束】