AI-assisterte evalueringer kan fremskynde diagnosen autisme

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Tilgang til autismeevalueringer gjennom spesialisert helsevesen er beryktet for lange ventetider i hele USA. I Missouri venter mange familier nesten et år på en diagnostisk avtale. Ifølge forskere ved University of Missouri School of Medicine kan AI være en løsning for å redusere ventetiden. Hovedforfatter Kristin Sohl og teamet hennes jobbet...

AI-assisterte evalueringer kan fremskynde diagnosen autisme

Tilgang til autismeevalueringer gjennom spesialisert helsevesen er beryktet for lange ventetider i hele USA. I Missouri venter mange familier nesten et år på en diagnostisk avtale. Ifølge forskere ved University of Missouri School of Medicine kan AI være en løsning for å redusere ventetiden.

Hovedforfatter Kristin Sohl og teamet hennes jobbet med Cognoa, Inc. for å teste deres FDA-godkjente medisinske utstyr, CanvasDx, for primærleger i områder uten autismepleie. Den integrerer AI-algoritmer med pasientdata og gir en prediksjon om en positiv eller negativ autismediagnose avhengig av informasjonen som gis. Hvis den ikke kan gi en klar prediksjon, returnerer den et "ubestemt" resultat.

Vårt oppdrag er å øke tilgangen til beste praksis for autismeomsorg i landlige og undertjente samfunn. For å utforske CanvasDx som et potensielt verktøy for beste praksis, utnyttet vi ECHO Autism-fellesskapet, som trener primærleger over hele Missouri og utover i autismeomsorg.»

Kristin Sohl, hovedforfatter

Barn på landsbygda i Missouri venter ofte lenger på å få tilgang til autismeevalueringer, og dette gir familier en mulighet til å motta omsorgen de trenger. Ifølge studien betydde reiser til spesialitetssentre en gjennomsnittlig avstand på 97 miles. Pleie på stedet hjalp familier med å spare på gass og få en diagnose fem til syv måneder tidligere enn om de hadde ventet.

"Enheter som CanvasDx, spesielt når de brukes av klinikere med autismeerfaring, kan bidra til å fremskynde diagnosen slik at barn raskere kan få tilgang til tjenester som støtter dem," sa Sohl. "Det kan også hjelpe klinikeren og effektivisere vurderingsprosessene."

I studien, som brukte data fra 80 barn, ga enheten klare resultater hos 52 % av pasientene, men ga ikke falske positive eller negative diagnoser og motsa aldri en leges diagnose. Sohl sier at dette fremhever behovet for at leger blir utdannet om vurdering, diagnose og omsorg for autisme.

"Å gjenkjenne autisme og begynne individualisert støtte for et barn med autisme er avgjørende for å optimalisere resultatene deres," sa Sohl. "Autistiske barn og deres familier fortjener høykvalitets, rettidig tilgang til lokal omsorg og ekspertise. Bruk av AI-integrerte enheter som CanvasDx kan akselerere diagnostiske prosesser og legge til ytterligere, objektive data for å hjelpe primærleger med å stille diagnoser."

Kristin Sohl, MD, er barnelege ved MU Health Care og professor i pediatri ved Mizzou School of Medicine. Hun er grunnlegger og administrerende direktør for ECHO Autism Program og medisinsk direktør for Missouri Telehealth Network (MTN) og Office of Continuing Education for Health Professionals.


Kilder:

Journal reference:

Sohl, K.,et al.(2025). Integrasjon av en kunstig intelligens-basert autismediagnostisk enhet i ECHO Autism Primary Care Workflow: Prospektiv observasjonsstudie. JMIR formativ forskning. doi:10.2196/80733.  https://formative.jmir.org/2025/1/e80733/