自闭症谱系障碍（ASD：Autism Spectrum Disorder），又称自闭症光谱障碍，其中包括了自闭症、亚斯伯格综合症等发展障碍，这种病症的诊断一直是医学上的一个难题。医生一般在孩童2-3岁时才能对他们的社会行为、语言、动作及重复行为进行观测和评估，从而得出是否需要进行医学干预的结论；而目前的一个新研究表明，人工智能可以把这个时间提早到6个月。

在《科学转化医学》杂志上发表的一项研究显示，医生们能够利用机器学习判断6个月大的婴儿是否会发展成自闭症谱系障碍，其准确率甚至超过96%。

诊断自闭症，用AI观测“人所不能看到的”

据美国北卡罗来纳州大学教堂山分校、华盛顿大学等的研究者们表示，他们开发的机器学习算法能够分析婴儿6个月时的脑部功能性磁共振成像（fMRI）中人类医生所读不出来的细节，从而给出诊断结论。

在诊断算法开发的过程中，原始数据的收集一直是一个难题。鉴于自闭症患者的兄弟姐妹患自闭症的可能性是常人的20倍，该项目的研究人员走访了自闭症患者家属，对患者弟弟或妹妹6个月大时的脑部扫描图像进行收集，并在他们2岁时对他们的行为能力进行评估。研究人员收集的59个样本中，共有11名儿童被诊断为自闭症。

在这些数据的基础上，研究者们开发了一个机器学习算法以寻找11名自闭症婴儿脑部图像的共同点。在开发完成后，研究者们使用了该算法重新分析这59名婴儿的脑部扫描。最终，该算法辨认出了11名自闭症儿童中的9名，准确率超过96%。

futurism.com制作的柱状图，其中左侧为自闭症患者（11名患者，9人被正确识别），右侧为非自闭症患者（48人全部被正确识别）。

这项诊疗方式不仅方便快捷、对婴儿没有伤害，还能够提早18个月得出高准确性的判断结果。对此，乔治·华盛顿大学自闭症与神经发育障碍研究院的负责人Kevin Pelphrey评价：“这（项成果）将颠覆该领域。”

以“预防”代替“治疗”，AI还需要数据支持

尽管这项研究受到了医疗行业内的广泛赞誉，该实验结论还需经过重复性验证，并且接受更大样本数据的考核。事实上，机器学习和人工智能在医疗早期诊断上大有可为，原因正是在于其能够讲病例和数据库中的大量历史数据进行高效比对。因此，这项研究要想逐步深化，并被推广使用，绝对不能仅仅依靠这59份初始样本。

目前，人工智能早期诊断的各个支线都在不断发展，其中包括AI诊断皮肤癌、肺癌、视网膜病变等。针对病例数据的“收集难”问题，开发AI医疗的科技巨头们已经与医疗机构展开了紧锣密鼓的合作。

就在上个月，人工智能公司DeepMind正在跟英国国家医疗服务系统（NHS）展开合作。通过NHS，Moorfields眼科医院将向DeepMind提供的100万份眼球扫描资料，这样一来，人工智能可以更好地学习湿性年龄相关黄斑变性以及糖尿病视网膜病变等眼疾的早期症状。

而IBM的Watson人工智能在医疗行业的布局甚至更早：以IBM Watson肿瘤解决方案（IBM Watson for Oncology）为例，其通过医生和研究人员共计1.5万小时的登入时间获得了数千病例、期刊文章与教科书资料，从而能够针对一些癌症病症给出治疗方案备选。

早早在医疗行业进行布局的IBM Watson

理论上来说，尽管目前的治疗手段仍然不能使自闭症患者痊愈，但自闭症等发展障碍的干预应该尽早进行，以便取得更好的长期效果。因此，人工智能将自闭症的诊断时间从2岁提高到6个月，其医疗价值是不可估量的。

患者并不是唯一能在人工智能医疗中获益的群体。和人类相比，人工智能和机器学习能够更早、更准确地识别一些疾病，同时也能够提高医务工作者的工作效率。这样，医务工作者在病情诊断上花费的时间和精力能够更好地运用在疗程规划以及对患者个体的关注上。这一变革将对世界上缺少医疗工作者的地区有很大的意义，同时也能够解救因病患众多而分身乏术的医生们。