AI算法通过观察孩子对食物的反应来检测自闭症迹象

阿肯色大学的科学家们正在利用对味道和气味的反应来开发一种机器学习算法来检测儿童的自闭症。

作为一项研究的一部分，研究人员将从自闭症谱系儿童和神经型儿童的一系列食物中识别感官线索。

孩子们对某些食物的行为方式以及生物特征数据将用于标记患有自闭症谱系障碍 (ASD) 的儿童的早期迹象。

ASD 患者经常表现出不寻常的饮食习惯，以及沟通困难、重复行为或社交环境困难。某些迹象，如非社交饮食和坚持特定的进餐时间通常与 ASD 患者有关。对柠檬、丁香和薄荷的特殊气味的强烈反应会引起愤怒、厌恶或惊讶。异常的饮食习惯会导致维生素和矿物质的营养缺乏，从而引发其他健康问题。

阿肯色州生物科学研究所为食品科学教授 Han-Seok Seo 和计算机科学教授 Khoa Luu 进行的研究拨款150,000 美元，为期三年。科学家们将研究针对特定测试样本的行为和感知模式。

该项目的目标是开发一种人工智能算法，该算法可用作儿童自闭症检测障碍早期迹象的准确诊断工具。他们希望他们的筛查平台与心理和医疗保健专业人员使用的传统诊断工具一样好或更好。通常，评估、问卷调查和更长的评估会产生更高的医疗费用。

当他的女儿出生时，Seo 对感官线索和自闭症之间的联系产生了兴趣，他开始与一名与 ASD 孩子一起工作的研究生合作。当他观察他的新生儿时，他注意到她没有眼神交流，这是 ASD 的另一个迹象。在研究自闭症期间，他开始对多感官触发器如何显示与自闭症的相关性产生兴趣。

Luu 的研究生 Xuan Bac Nguyen 已经开发了一种机器学习算法来分析对食物的典型反应。研究人员认为，相同的模型可用于对食物的异常反应。