From Algorithms to Clinics: Evaluating AI’s Role in Pediatric Autism Diagnosis
这篇批判性综述综合了相关证据，表明尽管用于儿童自闭症诊断的人工智能模型在经过筛选的环境中通常报告出高准确率，但其临床效用受限于方法论缺陷和泛化性问题，从而支持将其主要作为辅助筛查工具而非自主诊断权威来使用。
原始论文采用 CC BY 4.0 许可（https://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
自闭症是一种终身的生存方式，它改变了一个人体验世界的方式，从他们与他人的连接方式到他们处理声音和视觉的方式。识别自闭症绝非仅仅是勾选一个选项那么简单；这是一个细致的过程，医生和专家需要拼凑出一个孩子的成长史，观察他们的游戏和互动方式，并倾听那些最了解他们的人的意见。这个过程需要时间，而能够胜任此项工作的专业人员并不总是能在家庭最需要的时候出现在身边。由于这一差距，研究人员转向了计算机，希望人工智能可以充当一名助手。其核心理念是，计算机程序可能会发现人类容易忽略的儿童声音、面部表情或动作模式，从而实现更快速的筛查和更早期的支持。
然而，一项针对该领域的新综述表明，虽然这些计算机工具在实验室中表现出色，但它们尚未准备好取代医生的谨慎判断。来自考文垂大学的研究人员审查了数十项声称人工智能能以近乎完美的准确度诊断自闭症的研究。他们发现，这些高分往往源于过于简单或规模过小、无法反映现实生活的测试。当这些工具被应用于不同的诊所、面对不同的家庭或在现实世界的条件下进行测试时，其表现显著下降。该综서认为，我们必须停止将计算机分类数据的能力与诊断人类的能力混为一谈。
研究人员首先检查了在该领域流传的五份特定报告，将其作为理解更广泛图景的起点。其中之一是一篇被撤稿的文章，这意味着由于数据无法验证且方法不明，发布该文的期刊已将其撤回。另一篇则是一个提出了某种设备但从未在患者身上进行实际测试的学生项目。通过梳理这些案例，团队强调了一个反复出现的问题：许多研究基于“内部”测试声称取得了成功，即计算机是在其训练过的同一组数据上进行测试的。这就像一名学生利用复习过的答案来参加考试；他们会得到满分，但这并不意味着他们理解了这门学科。
当综述转向观察那些更进一步、在新的儿童群体或不同地点测试工具的研究时，结果则更为平庸。例如，一项利用家庭视频观察儿童行为的研究发现，虽然计算机在它看过的第一组视频上表现良好，但当它尝试分析来自不同家庭、在不同光照和摄像机条件下的新视频时，其准确性便下降了。另一项利用医疗记录预测自闭症的大型研究发现，其成功率从自身数据中的近 90% 下降到在独立儿童群体测试时的约 79%。这些下降并非技术本身的失败，而是表明现实世界是混乱且不可预测的，不像计算机实验室那样整洁受控。
该综述还指出，正在开发的这些工具经常混淆了两个截然不同的职责：筛查与诊断。筛查就像撒下一张广阔的网，旨在捕捉任何可能需要帮助的人；它被预期会捕捉到一些实际上并未患有该状况的人，以确保不会漏掉任何真正需要帮助的人。而诊断则是对一个孩子是否患有自闭症进行的最后、细致的确认。目前正在开发的许多计算机程序擅长第一项工作——标记需要进一步观察的儿童——但它们尚未准备好承担第二项工作。作者警告说，称计算机为“诊断者”是危险的，因为这暗示机器可以做出最终决定，而实际上，它只能提供一个由人类必须验证的建议。
论文解决的另一个主要问题是公平性的问题。许多研究使用了特定人群的数据，通常是那些已经被诊断出患病或来自特定背景的人。这意味着计算机可能会学习一种只符合这些特定人群特征的自闭症识别方式。例如，一个基于某一国家数据训练的工具可能无法在另一国家有效运作，因为儿童玩耍、说话或与摄像机互动的方式在不同文化之间可能存在巨大差异。综述强调，一个仅对某些人有效而非对所有人有效的工具并不是一个真正的解决方案。它还指出，那些理应从这些工具中受益的人——自闭症人士本身——却很少参与设计这些工具或决定这些工具应该具备什么样的形态。
研究人员提出了一种衡量这些工具的新方法，这种方法超越了仅仅观察单一的准确率数字。他们建议，一个工具在进入临床应用之前必须走过五个步骤的路径。首先，用于教导计算机的数据必须是诚实的，并且能代表真实世界。其次，计算机必须证明它能在从未见过的数据上正常运作。第三，它必须证明在不同地点和不同类型的人群中都能奏效。第四，它必须实际上减轻了医生的工作量或提高了效率，而不是仅仅增加了另一个步骤。最后，该工具必须是公平且受人尊重的，确保它不会伤害任何人或排斥那些最需要帮助的家庭。
最后，论文得出结论，人工智能可以发挥作用，但其角色是辅助性的。它可以帮助整理信息、标记需要密切观察的儿童，或帮助医生更好地管理时间。但它无法取代人类的连接、对家庭故事的细微理解，以及进行诊断所需的专业判断。最有前景的研究是那些承认自身局限性、在现实世界中测试其工具，并保持人类掌控最终决策的研究。前进的道路不是去建造一台能够独立诊断自闭症的机器，而是去建立一个能够帮助医生为每一个孩子、在每一个地方都做到最好工作的系统。
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。