这项研究暗示将来自闭症可以通过脑部扫描作出诊断。
尽管与自闭症相关的科学研究很多，但这种病仍然很难预知。罹患自闭症的儿童在两岁前都没有行为异常，在那之前，往往很难找到病理变化的迹象。对自闭症的干预越早越好，若能准确预测婴儿是否会患病，就可以尽早做好准备、接受治疗。
一项新的研究表明，用人工智能分析有风险患病婴儿的脑部核磁共振数据，在相关症状出现之前，就能预测是否会患病。论文发表在本周的《科学·转化医学》上。
在这项研究中，北卡罗来纳大学教堂山分校和华盛顿大学医学院的研究人员扫描了 59 名 6 个月婴儿的大脑，这些婴儿都有患自闭症的兄姊，因而患病几率约有 20%，而一般人群中的患病几率是 1.5%。
研究人员用 MRI 仪器记录入睡婴儿超过 200 个区域的脑部活动，特别是相关区域的功能性连接是否连通，这些连接与自闭症会影响的行为和技能相关。这些婴儿满 2 岁后，有 11 名被诊断患有自闭症。研究人员随后用手头上的数据训练人工智能，得到了一个用 6 个月婴儿的 MRI 数据预测自闭症的模型。
也就是说，尽管研究人员已经知道了有哪些婴儿已经患病，但 AI 还不知道。研究人员让 AI 学习 58 名婴儿的数据，并预测剩下一位婴儿是否患病，如此重复 59 次。最后的结果是，在 11 名患儿当中，有 9 名得到了 AI 的准确预测。而对于未患病的 48 名儿童，AI 没有预测错误。
尽管目前准确率还未达到 100%，但相比以前的研究已经提升不少。研究团队在今年二月也发表了一项相关的研究，利用 MRI 记录婴儿大脑的生长速度，并依据自闭症儿童的大脑要比一般儿童大来预测患病与否。这种算法预测了患病儿童中的 80%，预测患病的结果当中也有健康的儿童。新的方法不但更准确、测试年龄更小，而且不用跟踪脑部的变化，只需要一次扫描就可以预测。
这项研究目前只是一个预测措施的方向，用于临床之前还需要进行重复实验。此外，这项测试目前也难以在普通人群中使用，而仅仅限于有风险患病的婴儿。教堂山分校的精神病学家 Joseph Piven 希望扩大这项研究，不仅能预测儿童是否将患病，还要能够预测自闭症的严重程度，以及会有什么样的行为。这将使得这项工具更有用，治疗也更有效。