Forscher nutzen Deep Learning, um anhand von Schrei-Mustern frühzeitig Autismus-Spektrum-Störungen zu erkennen. Ein nicht-invasives Screening könnte die Diagnostik revolutionieren.
Schweizer Forscher entwickeln eine KI-basierte Methode zur Früherkennung von Autismus durch Schrei-Analyse.
Neue Wege in der Autismus-Diagnostik
Die Früherkennung von Autismus-Spektrum-Störungen (ASD) könnte bald durch eine innovative Technologie unterstützt werden: die automatische Schrei-Analyse mittels Deep Learning. Forscher der Universität Genf haben in einer kürzlich veröffentlichten Studie gezeigt, dass sich die Schrei-Muster von Kindern mit ASD von denen typisch entwickelter Kinder (TD) unterscheiden.
Akustische Merkmale als Indikatoren
Laut Dr. Marie Schaer, Leiterin der Studie, weisen die Schreie von ASD-Kindern spezifische akustische Merkmale auf, die mit herkömmlichen Methoden schwer zu erfassen sind. „Die Tonhöhe, die Dauer und die Modulation der Schreie zeigen subtile, aber signifikante Unterschiede“, erklärt Schaer in einer Pressemitteilung der Universität.
Diese Unterschiede könnten auf neurologische Besonderheiten hinweisen, die mit ASD zusammenhängen. Die Schweizer Forscher nutzen Deep-Learning-Algorithmen, um diese Muster zu identifizieren und so ein nicht-invasives Screening-Tool zu entwickeln.
KI als Unterstützung für Kliniker
Die Technologie soll Ärzte nicht ersetzen, sondern unterstützen. „Ein solches Tool könnte Kinderärzten helfen, Risikokinder früher zu identifizieren und gezieltere Untersuchungen zu veranlassen“, so Prof. Stephan Eliez, Co-Autor der Studie. Die Ergebnisse wurden im Journal ‚Autism Research‘ veröffentlicht.
Weitere Studien sind notwendig, um die Genauigkeit der Methode zu bestätigen. Doch die ersten Ergebnisse sind vielversprechend und könnten den Weg für eine frühere Intervention ebnen, die nachweislich die Entwicklung von Kindern mit ASD verbessert.
Schreibe einen Kommentar