Äskettäin Neuro (Montrealin neurologinen instituutti-sairaala), McGill-yliopiston ja Mila (Quebecin tekoälyn instituutti) tutkijoiden tekemä tutkimus on osoittanut, että sosiaaliseen viestintään liittyvät tekijät eivät ehkä ole yhtä paljastavia tämän häiriön läsnäolosta kuin aiemmin on uskottu.
Tämä johtopäätös kyseenalaistaa autismille tyypillisen standardidiagnosointimenetelmän, joka perustuu arviointiin, joka tehdään viiteoppaita, kuten mielenterveyshäiriöiden diagnostiikka- ja tilastollinen käsikirja, viides painos (DSM-5), käyttäen. DSM-5 luettelee kaksi kategoriaa autismille tyypillisiä diagnostiikkakriteereitä: yksi, joka liittyy käyttäytymiseen, herkkyyksiin ja kiinnostuksen kohteisiin, ja toinen, joka käsittelee viestinnän ja sosiaalisten vuorovaikutusten eroja.
Tutkimuksen tarkoituksiin tutkijat ovat mukauttaneet tekoälymallia (IA) analysoidakseen yli 4 200 kliinistä raporttia lapsista Quebecissä. Analyysin tulokset osoittivat, että sosiaalistumiseen liittyvät kriteerit, kuten emotionaalinen vuorovaikutus, ei-verbaalinen viestintä ja suhteiden luominen, eivät olleet tiiviisti yhteydessä autismidiagnoosiin.
Toisin sanoen, nämä kriteerit eivät olleet merkittävästi yleisempiä autismidiagnoosin saaneilla henkilöillä kuin niillä, joilta tämä diagnoosi oli suljettu pois. Toisaalta toistuvasti liikkuviin liikkeisiin, tiettyihin kiinnostuksen kohteisiin hyperfokusoitumiseen ja epätavalliseen herkkyyteen aistimuksia kohtaan liittyvät kriteerit olivat vahvasti yhteydessä autismidiagnoosiin.
Näiden tulosten valossa, jotka on julkaistu Cell-lehdessä, tutkijat väittävät, että lääkärikunnan olisi ehkä syytä tarkistaa nykyisten kriteerien merkitystä ja keskittyä enemmän toistuviin käyttäytymisiin ja erityisiin kiinnostuksen kohteisiin.
IA:n potentiaali nopeiden ja tarkkojen diagnoosien tekemisessä
Tällä hetkellä autismidiagnoosin tekeminen perustuu kliiniseen arviointiin; ei ole olemassa biologista testiä, joka voisi analysoida geenejä, verta tai aivokuvia. Tämä on pitkä prosessi, joka voi viivästyttää pääsyä olennaisiin tukipalveluihin. Tutkijoiden mukaan diagnoosin tekemistä voitaisiin nopeuttaa ja tehdä tarkemmaksi keskittymällä autismille ennustettavimpiin ominaisuuksiin. He korostavat IA:n potentiaalia tämän prosessin tarkentamisessa.
"Suurten kielimallien teknologia voisi jonain päivänä saada meidät miettimään autismille antamaamme määritelmää uudelleen", huomauttaa Danilo Bzdok, pääkirjoittaja ja tutkija Neurossa ja Milassa. Tietoihin perustuva tämä nykyisten neurologisten sairauksien uudelleenarviointi täydentää työtä, jota perinteisesti tekevät täysin asiantuntijaryhmät ja inhimillinen arviointi."
Tämä tutkimus on saanut rahoitusta Brain Canada -säätiöltä, Health Canada -organisaatiolta, National Institutes of Healthilta, Kanadan terveys tutkimuslaitoksilta, Healthy Brain for a Healthy Life -ohjelmalta, Apogee Canada -tutkimusrahoitusrahastolta ja Kanadan edistyneiden tutkimusten instituutilta.
Tutkimus
Artikkeli "Kielimallit purkavat kliinisen intuitiivisuuden autismidiagnoosissa", kirjoittaneet Jack Stanley, Emmett Rabot, Siva Reddy, Eugene Belilovsky, Laurent Mottron ja Danilo Bzdok, on julkaistu Cell-lehdessä.