加拿大研究人员通过AI算法分析了超过4,000份儿童自闭症评估报告，以测量哪些标准最常用于自闭症诊断。这些标准来自《精神疾病诊断与统计手册》第五版（DSM-5），这是诊断心理健康状况的黄金标准。
DSM-5中的自闭症诊断标准包括避免眼神接触、兴趣范围狭窄、重复性动作以及在建立友谊或进行双向对话方面的困难等行为。研究发现，非言语交流和建立关系等社交相关行为并不特定于自闭症诊断——这些行为在被诊断为自闭症的人群中并不比未被诊断的人群更常见。然而，重复性动作（也称为“自我刺激”）和高度受限的兴趣与自闭症诊断密切相关。
研究人员表示，这些发现表明医生基于社交相关因素过度诊断自闭症，而没有花足够的时间关注像自我刺激这样的行为，这些行为与自闭症更为相关。他们认为，通过使用AI程序来评估语言，并将自闭症评估重点放在非社交行为上，可以使自闭症诊断更加有效和高效，因为社交行为更难以评估。这也将帮助患者更快地获得适当的治疗和疗法。虽然自闭症目前没有治愈方法，但有一些疗法如应用行为分析（ABA）和药物被认为可以改善行为。
蒙特利尔神经学研究所-医院和魁北克人工智能研究所的神经科学家Danilo Bzdok博士表示：“在未来，大型语言模型技术可能会对今天我们所说的自闭症进行重新考虑。”
这项发表在《细胞》杂志上的新研究分析了魁北克1,080名儿童的4,200份观察性临床报告。研究人员定制了一种大型语言建模程序——一种处理和理解语言的AI——来查看这些报告并预测是否会给出自闭症诊断。
在1,080名参与者中，429人被医生诊断为自闭症。参与者的平均年龄为7岁。研究人员将DSM-5的七个诊断标准描述输入到AI模型中。这些标准包括：与他人分享兴趣或进行对话有困难，非言语交流如眼神接触有困难，维持人际关系有困难，重复性动作和模仿，严格遵守常规或极度抗拒改变，高度受限的兴趣，以及对感官刺激的敏感度增加。
使用AI模型，研究人员认为被诊断为自闭症的患者最有可能表现出DSM-5标准中强调的非社交行为，如重复性行为、回声语言、高度受限的兴趣或感官问题。专家们建议，在评估儿童是否患有自闭症时，关注非社交行为可能更为有效，而不是社交行为。
他们还建议重新评估诊断标准，以使诊断更加准确，减少自闭症的过度诊断。该团队指出，研究存在一些局限性，包括缺乏关于可能表现出不同迹象的较大儿童的数据。
这项研究是在美国自闭症诊断激增的情况下进行的。根据最新的CDC数据，美国每36个儿童中就有1个患有自闭症，总数接近200万。在2000年代初，这个数字接近千分之七。一般来说，大多数患有这种障碍的人在五岁前被诊断出来，尽管有些人可以在两岁时接受测试。
去年发表在《JAMA网络开放》上的研究发现，从2011年到2022年，5至8岁儿童的自闭症诊断增加了175%，从每千人中有两个增加到每千人中有六个。然而，最大的增长发生在26至34岁的年轻人中，增幅为450%，这表明他们在获得诊断方面有所延迟。
除了环境暴露外，专家们指出，自闭症的上升部分是因为医生在检测方面变得更好。然而，自闭症倡导团体表示，自闭症的原因尚未完全了解，许多专家认为没有一个特定的原因。
(全文结束)
