A Deterministic Evidence Layer for Vision-Language Autism Screening from Naturalistic Home Video
本文提出了一种确定性证据层，通过将自然居家视频转换为经由透明证据权重机制评分的带时间戳且带标签的事件表，来稳定用于自闭症筛查的视觉语言模型输出，从而在学龄前儿童身上实现了稳健且具可解释性的诊断性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
诊断自闭症谱系障碍通常始于专家观察儿童玩耍，寻找他们在与他人互动或重复某些动作方面的细微迹象。这一过程非常有效，但依赖于一种稀缺资源：受过训练的专家。由于能够为每个可能需要帮助的孩子提供服务的专家数量不足，家庭往往面临漫长的评估等待期，导致早期干预被推迟。近年来，科学家们开始转向家庭视频——即父母在日常玩耍期间用手机录制的视频——作为填补这一差距的一种方式。人们希望人工智能可以观看这些视频并发现人类专家能察觉到的相同模式，从而为决定哪些孩子需要紧急关注提供一个快速、便捷的第一步。然而，一个主要的障碍出现了：即使是最先进的人工智能模型，在被要求进行两次相同的判断时，也可能给出不同的答案。这种不一致性使得它们在医疗筛查中变得不可靠，因为在医疗领域，决策必须每次都保持一致才能获得信任。
一个研究小组通过构建一种新型的筛查系统解决了这个问题，该系统将计算机“看到的内容”与“如何做决定”分离开来。他们并没有要求单个人工智能观看视频并立即说出“自闭症”或“非自失症”，而是创建了一个两步走的流程，其作用更像是一个细心的观察者，随后跟着一个严谨的会计。首先，一个强大的视觉模型观看视频并写下一份详细的事件清单，记录下孩子具体做了什么、何时发生的，以及在之前家长或照顾者做了什么。至关重要的是，这个模型被强制要求只能依据视频中可见的内容，避免对孩子内心想法的猜测。它还必须列出正常行为的例子，而不只是异常行为，以提供一个完整的图景。这份清单随后被传递给第二个仅限文本的模型，该模型会根据孩子的年龄调整每项事件的重要性，因为理解到某些行为对于幼儿来说是正常的，但对于学龄前儿童来说则可能令人担忧。最后，一个确定性的计算机程序（遵循固定的数学规则而非任何猜测）会对清单中的证据进行累加，从而产生最终的风险评分。
研究人员在 43 段由家庭录制的学龄前儿童家庭视频上测试了该系统，这些视频是在没有任何特殊指令或剧本的情况下录制的。视频中的儿童包括已被专家诊断为自闭症的孩子，以及发育正常的孩子。当系统观看这些视频时，它表现出了极高的准确度，在约 8 6% 的案例中正确识别了风险水平。更重要的是，该系统表现得非常稳定。当研究人员将相同的视频通过系统运行三次时，最终的决定在近四分之三的片段中每次都保持一致。相比之下，一个没有这种特殊结构的标准人工智能模型在多次运行之间，对近三分之一的片段改变了主意。新系统在避免误报方面表现尤ра出色；它从未在每一次运行中都将发育正常的儿童标记为高风险，而标准模型则在每次运行中都将 31 名此类儿童中的 9 名标记为高风险。
成功的关键不在于让人工智能变得更聪明，而在于改变了使用它的方式。研究人员发现，标准模型的不稳定性源于它们生成答案的方式，即使设置完全相同，答案也会略有不同。通过将最终决策从人工智能转移到一种仅仅是累加 AI 所收集证据的固定评分系统，他们消除了这一误差源。该系统还引入了严格的规则，要求 AI 指明孩子未能回应家长呼唤或手势的具体时刻，而不是仅仅猜测孩子没有反应。这种“落地式”的方法意味着 AI 只能报告它实际看到的内容，且最终得分是建立在这些观察结果的透明记录之上的。
虽然研究结果令人鼓舞，但研究人员也谨慎地指出了他们工作的局限性。该系统是在一组来自同一地点的相对较小的儿童群体上进行的测试，并且在每一次运行中都漏掉了三名患有自闭症的儿童，这表明当前的技术在检测某些微妙迹象方面仍存在困难。该系统最适合作为一种分诊工具，帮助优先处理需要专家评估的孩子，而不是作为最终诊断。这项研究表明，通过将现代人工智能的模式识别能力与严谨、透明的决策规则相结合，可以创造出一种既准确又可靠的筛查工具。这种方法为利用家庭视频来缩短自闭症评估等待时间提供了一条路径，前提是未来的工作需要扩大系统的覆盖范围，使其包含更多样化的儿童，并提高其捕捉所有病例的能力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。