Ein koreanisches Forschungsteam hat mithilfe eines Deep-Learning-Systems für künstliche Intelligenz bahnbrechende Fortschritte bei der Diagnose von Kindern mit Autismus erzielt. Durch die Analyse von Netzhautbildern von 958 Kindern erreichte das System eine diagnostische Genauigkeit von 100 % und eröffnete neue Möglichkeiten für frühzeitige Intervention und Behandlung. Allerdings muss die Genauigkeit des Systems bei der Beurteilung der Autismus-Spektrum-Position bei Kindern noch verbessert werden, und zukünftige Forschungen werden seine Anwendung bei jüngeren Kindern weiter untersuchen.
Ein multiinstitutionelles Team in Südkorea diagnostizierte mithilfe eines auf Deep Learning basierenden künstlichen Intelligenzsystems erfolgreich Kinder mit Autismus. Das Forschungsteam nutzte das System, um Netzhautbilder von 958 Kindern mit 100-prozentiger Genauigkeit zu scannen. Allerdings war das System bei der Schätzung der Position eines Kindes im Spektrum weniger genau. Die Studie könnte dazu beitragen, Autismus früher zu diagnostizieren und mehr Hilfe zu bieten, ihre Genauigkeit bei jüngeren Kindern erfordert jedoch weitere Untersuchungen.
Obwohl diese Forschung das große Potenzial künstlicher Intelligenz im Bereich der Autismusdiagnose zeigt, bedarf sie noch weiterer Verbesserung und Verifizierung, um die Zuverlässigkeit und Sicherheit ihrer weit verbreiteten Anwendung zu gewährleisten. Zukünftige Forschung sollte sich darauf konzentrieren, die Genauigkeit des Systems bei der Beurteilung der Spektrumposition zu verbessern und die Stichprobengröße zu erweitern, insbesondere für jüngere Kinder, um letztendlich eine genauere und frühere Diagnose von Autismus zu erreichen.