现代人工智能技术检测自闭症

“例如，如果母亲对CRIMP1和GDA(常见的模式)具有自身抗体，那么根据当前数据集，她生自闭症孩子的几率是普通人群的31倍。巨大的，”范德沃特说。“几乎没有什么可以为您提供这种类型的风险评估。”

将来，这些孕妇生物标志物可用于高危妇女的孕前检测，因为早期诊断和干预通常在改善ASD儿童的生活质量方面更为有效。

此类测试基于快速准确的ELISA(酶联免疫吸附测定)平台，可以让女性发现孩子患MAR SAD的风险，如果排除这种情况，则意味着她们生孩子的总体风险自闭症的患病率低43%。

Van De Water现在正在研究动物模型，以开发有效的干预措施，以阻断这些母源抗体对胎儿大脑的影响。

“就自闭症的早期风险评估而言，这项研究意义重大，我们希望这项技术将来会在临床上有用。”

得益于现代人工智能技术，加州大学戴维斯分校MIND研究所的研究人员近成功地根据母体自身抗体(即攻击其组织的抗体)的特定模式准确预测了自闭症谱系障碍(ASD)的风险。自己的主机。

第一作者朱迪·范德沃特教授说：“这项研究的意义是巨大的。” “这是第一次使用机器学习以100%的准确度识别MAR ASD特定模式作为潜在的ASD风险生物标志物。”

在这项研究中，范德沃特(Van de Water)的小组分析了450名自闭症儿童母亲和342名典型发育儿童的母亲的血浆样本。所有样本均来自参与遗传和环境儿童自闭症风险研究的母亲。

在机器学习的帮助下，研究人员能够开发和验证一种测试，以识别与胎儿脑中丰富的八种蛋白质有反应性的ASD特异性母体自身抗体模式。

更具体地说，该算法经历了大约10,000个单独的模式，并确定了与MAR ASD风险相关的三个模式，即CRMP1 + GDA，CRMP1 + CRMP2和NSE + STIP1。