自閉症譜係障礙（ASD：Autism Spectrum Disorder），又稱自閉症光譜障礙，其中包括了自閉症、亞斯伯格綜合症等發展障礙，這種病症的診斷一直是醫學上的一個難題。醫生一般在孩童2-3歲時才能對他們的社會行為、語言、動作及重複行為進行觀測和評估，從而得出是否需要進行醫學幹預的結論；而目前的一個新研究表明，人工智能可以把這個時間提早到6個月。
在《科學轉化醫學》雜誌上發表的一項研究顯示，醫生們能夠利用機器學習判斷6個月大的嬰兒是否會發展成自閉症譜係障礙，其準確率甚至超過96%。
診斷自閉症，用AI觀測“人所不能看到的”
據美國北卡羅來納州大學教堂山分校、華盛頓大學等的研究者們表示，他們開發的機器學習算法能夠分析嬰兒6個月時的腦部功能性磁共振成像（fMRI）中人類醫生所讀不出來的細節，從而給出診斷結論。
在診斷算法開發的過程中，原始數據的收集一直是一個難題。鑒於自閉症患者的兄弟姐妹患自閉症的可能性是常人的20倍，該項目的研究人員走訪了自閉症患者家屬，對患者弟弟或妹妹6個月大時的腦部掃描圖像進行收集，並在他們2歲時對他們的行為能力進行評估。研究人員收集的59個樣本中，共有11名兒童被診斷為自閉症。
在這些數據的基礎上，研究者們開發了一個機器學習算法以尋找11名自閉症嬰兒腦部圖像的共同點。在開發完成後，研究者們使用了該算法重新分析這59名嬰兒的腦部掃描。最終，該算法辨認出了11名自閉症兒童中的9名，準確率超過96%。
futurism.com製作的柱狀圖，其中左側為自閉症患者（11名患者，9人被正確識別），右側為非自閉症患者（48人全部被正確識別）。
這項診療方式不僅方便快捷、對嬰兒沒有傷害，還能夠提早18個月得出高準確性的判斷結果。對此，喬治·華盛頓大學自閉症與神經發育障礙研究院的負責人Kevin Pelphrey評價：“這（項成果）將顛覆該領域。”
以“預防”代替“治療”，AI還需要數據支持
盡管這項研究受到了醫療行業內的廣泛讚譽，該實驗結論還需經過重複性驗證，並且接受更大樣本數據的考核。事實上，機器學習和人工智能在醫療早期診斷上大有可為，原因正是在於其能夠講病例和數據庫中的大量曆史數據進行高效比對。因此，這項研究要想逐步深化，並被推廣使用，絕對不能僅僅依靠這59份初始樣本。
目前，人工智能早期診斷的各個支線都在不斷發展，其中包括AI診斷皮膚癌、肺癌、視網膜病變等。針對病例數據的“收集難”問題，開發AI醫療的科技巨頭們已經與醫療機構展開了緊鑼密鼓的合作。
就在上個月，人工智能公司DeepMind正在跟英國國家醫療服務係統（NHS）展開合作。通過NHS，Moorfields眼科醫院將向DeepMind提供的100萬份眼球掃描資料，這樣一來，人工智能可以更好地學習濕性年齡相關黃斑變性以及糖尿病視網膜病變等眼疾的早期症狀。
而IBM的Watson人工智能在醫療行業的布局甚至更早：以IBM Watson腫瘤解決方案（IBM Watson for Oncology）為例，其通過醫生和研究人員共計1.5萬小時的登入時間獲得了數千病例、期刊文章與教科書資料，從而能夠針對一些癌症病症給出治療方案備選。
理論上來說，盡管目前的治療手段仍然不能使自閉症患者痊愈，但自閉症等發展障礙的幹預應該盡早進行，以便取得更好的長期效果。因此，人工智能將自閉症的診斷時間從2歲提高到6個月，其醫療價值是不可估量的。
患者並不是唯一能在人工智能醫療中獲益的群體。和人類相比，人工智能和機器學習能夠更早、更準確地識別一些疾病，同時也能夠提高醫務工作者的工作效率。這樣，醫務工作者在病情診斷上花費的時間和精力能夠更好地運用在療程規劃以及對患者個體的關注上。這一變革將對世界上缺少醫療工作者的地區有很大的意義，同時也能夠解救因病患眾多而分身乏術的醫生們。
