2024 年 8 月 21 日，一项题为 “Machine Learning Prediction of Autism Spectrum Disorder From a Minimal Set of Medical and Background Information” 的研究论文发表在科学期刊《Jama Network Open》上。这项研究利用机器学习技术，开发出一种能够在 1 岁前识别自闭症谱系障碍（ASD）的模型，准确率超过 80%。
该研究利用了目前最大的自闭症谱系障碍（ASD）研究数据库 SPARK，开发了一种基于最少化背景和医疗信息的机器学习模型，以期实现更早的 ASD 筛查。研究对象包括 30660 名参与者，确保了研究的广泛适用性。实验样本量不仅大，还覆盖了不同年龄段、种族和性别的个体。
研究方法方面，研究团队采用了 XGBoost 模型（被命名为 AutMedAI），并使用 SHAP 值评估了各个特征对 ASD 分类的贡献。研究结果显示，发展迟缓或异常、挑食或饮食异常行为在 ASD 预测中起到了重要作用。此外，研究发现，模型在不同年龄段（0—2 岁 AUROC 为 0.868，2—4 岁 AUROC 为 0.920，4—10 岁 AUROC 为 0.906）中的表现较为一致。
此外，研究团队还强调了这一模型的广泛适用性。由于研究对象覆盖了不同年龄段、种族和性别的个体，模型在不同人群中的表现较为一致。
成都前沿类脑人工智能创新中心开发了脑影像分析技术的精准神经干预系统，用于孤独症的治疗和康复。同时，一些研究机构也在通过 AI 技术为自闭症儿童提供个性化的学习方案，帮助他们更好地融入社会。AI 可以协助医生制定更精确的治疗方案。