AI-stödda utvärderingar kan påskynda diagnosen autism

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Tillgång till autismutvärderingar genom specialiserad hälsovård är ökänt för långa väntetider i hela USA. I Missouri väntar många familjer nästan ett år på ett diagnostiskt möte. Enligt forskare vid University of Missouri School of Medicine kan AI vara en lösning för att minska väntetiden. Huvudförfattaren Kristin Sohl och hennes team arbetade...

AI-stödda utvärderingar kan påskynda diagnosen autism

Tillgång till autismutvärderingar genom specialiserad hälsovård är ökänt för långa väntetider i hela USA. I Missouri väntar många familjer nästan ett år på ett diagnostiskt möte. Enligt forskare vid University of Missouri School of Medicine kan AI vara en lösning för att minska väntetiden.

Huvudförfattaren Kristin Sohl och hennes team arbetade med Cognoa, Inc. för att testa deras FDA-godkända medicinska utrustning, CanvasDx, för primärvårdsläkare i områden utan autismvård. Den integrerar AI-algoritmer med patientdata och gör en förutsägelse om en positiv eller negativ autismdiagnos beroende på den information som tillhandahålls. Om den inte kan göra en tydlig förutsägelse, returnerar den ett "obestämt" resultat.

Vårt uppdrag är att öka tillgången till bästa praxis för autismvård på landsbygden och i underbetjänade samhällen. För att utforska CanvasDx som ett potentiellt verktyg för bästa praxis, utnyttjade vi ECHO Autism-gemenskapen, som utbildar primärvårdsläkare över hela Missouri och därutöver i autismvård."

Kristin Sohl, huvudförfattare

Barn på landsbygden i Missouri väntar ofta längre på att få tillgång till autismutvärderingar, och detta ger familjer en möjlighet att få den vård de behöver. Enligt studien innebar resor till specialcenter ett genomsnittligt avstånd på 97 miles. Vård på plats hjälpte familjer att spara på gasen och få en diagnos fem till sju månader tidigare än om de hade väntat.

"Enheter som CanvasDx, särskilt när de används av läkare med autismerfarenhet, kan hjälpa till att snabba diagnosen så att barn snabbare kan få tillgång till tjänster som stöder dem," sa Sohl. "Det kan också hjälpa läkaren och effektivisera bedömningsprocesser."

I studien, som använde data från 80 barn, gav enheten tydliga resultat hos 52 % av patienterna, men gav inga falska positiva eller negativa diagnoser och motsade aldrig en läkares diagnos. Sohl säger att detta belyser behovet av att läkare utbildas om bedömning, diagnos och vård av autism.

"Att erkänna autism och börja individualiserat stöd för ett barn med autism är avgörande för att optimera deras resultat," sa Sohl. "Autistiska barn och deras familjer förtjänar högkvalitativ, snabb tillgång till lokal vård och expertis. Att använda AI-integrerade enheter som CanvasDx kan påskynda diagnostiska processer och lägga till ytterligare, objektiv data för att hjälpa primärvårdsläkare att ställa diagnoser."

Kristin Sohl, MD, är barnläkare vid MU Health Care och professor i pediatrik vid Mizzou School of Medicine. Hon är grundare och verkställande direktör för ECHO Autism Program och medicinsk chef för Missouri Telehealth Network (MTN) och Office of Continuing Education for Health Professionals.


Källor:

Journal reference:

Sohl, K.,et al.(2025). Integrering av en artificiell intelligens-baserad autismdiagnostisk enhet i ECHO Autism Primary Care Workflow: Prospektiv observationsstudie. JMIR Formativ forskning. doi:10.2196/80733.  https://formative.jmir.org/2025/1/e80733/