杜克大学的研究人员正在研究AI是否能够在真实环境中，如初级保健中，进行自闭症的筛查。他们想要开发一个不需要父母报告的客观和可扩展的自闭症早期检测工具。美国儿科学会建议所有儿童在18个月和24个月时进行自闭症筛查。目前，最常用的筛查方法是让父母填写一个20个问题的问卷，询问他们的孩子是否有自闭症的行为特征，如对名字的反应。儿科医生可能会根据父母的回答进行面谈，并决定是否将孩子转介进行诊断评估。

然而，父母问卷的筛查方法也存在一些缺陷。有些父母可能无法准确理解和回答问题。问卷可能不是用父母的母语提供的。儿科医生也可能没有及时进行面谈。这些都会影响问卷的准确性。在真实环境中，如儿科初级保健中，大规模的研究发现，问卷的准确性不够高。有色人种的儿童和女孩，尤其容易被忽略。

在其他健康领域，医生会利用多种信息来源来判断一个人是否有某种疾病的风险。比如，如果你担心你有心脏问题，你的医生会询问你的症状，如是否更累、气喘或胸痛。你的自我报告是你的医生筛查心脏问题的重要部分。你的医生也会进行一些客观的心脏功能测量，如心电图、血压测试和胆固醇检测。你的医生会综合多种信息来源，做出一个有依据的关于你患心脏问题风险的决定。我们没有任何客观的自闭症测试，如血液测试。自闭症是一种行为状况，通过行为观察来诊断。那么，AI，也就是一台电脑而不是一个人，能否检测和客观地测量自闭症的早期行为迹象呢？

杜克大学的研究团队开发了一个可以在智能手机或平板电脑上下载并用于自闭症筛查的数字应用。它的工作原理是：该应用播放一系列简短有趣的电影，这些电影经过精心设计，以引发与自闭症相关的行为，如凝视、对名字的呼唤的定向和面部表情。当孩子观看电影时，智能手机或平板电脑中的摄像头记录孩子的行为反应。然后，一种叫做“计算机视觉分析”的技术自动并精确地测量孩子的行为反应。计算机可以测量孩子是否关注电影中的社会元素，如人，或者更关注非社会元素，如玩具或其他物体。它可以测量孩子的面部表情、眨眼率、对名字的定向和其他身体动作。然后，该应用使用机器学习来整合所有这些行为信号，并判断孩子患自闭症的可能性。这一切都只需要使用智能手机或平板电脑，不到10分钟就能完成。

使用计算机来测量行为（叫做“数字表型”）的一个优势是它的高分辨率和准确性。计算机可以测量一些人眼无法察觉的微妙而独特的行为。比如，一个早期的迹象是孩子的眨眼率。神经典型的孩子在看人的时候会减少眨眼，而自闭症的孩子在看物体的时候会减少眨眼。计算机可以测量孩子在被叫名字时是否转头，但它也可以告诉孩子转头的速度有多快。自闭症的孩子在对名字定向时，比神经典型的孩子慢了大约一秒。临床医生可能会错过这个早期的迹象。

在最近发表的一项研究中，一款数字自闭症筛查应用被用于475名儿童的儿科健康检查，其中49名后来被诊断为自闭症，98名被诊断为没有自闭症的发育迟缓。该应用显示了87.8%的自闭症检测敏感性，意味着它正确地识别了大多数患有该病的儿童。它的特异性——没有自闭症的儿童筛查阴性的百分比——是80.8%。该应用在识别有色人种和女孩的自闭症方面也同样准确。因此，这种更客观的方法可能有助于减少早期检测的差异，这是获得早期干预服务的第一步。

使用计算机视觉来检测自闭症的早期迹象只是AI改变医疗的一个例子。计算机永远无法完全取代人类在提供高质量、富有同情心的医疗护理方面的作用。然而，当AI被道德和负责地使用时，它提供了许多好处，并有可能增加对卫生服务的获取，并更有效和公平地提供它们。