一种新的基于机器学习的系统

《神经病学前沿》（Frontiers in Neurology）中详细介绍了一种新的基于机器学习的系统，该系统 可以快速且经济高效地筛查儿童的胎儿酒精谱系障碍（FASD）。该系统是由南加州大学，安大略省女王大学和杜克大学的研究人员开发的，全球偏远地区的儿童都可以使用该系统。

FASD是一组与怀孕期间饮酒有关的条件。患有FASD的儿童会出现异常的外观，身高矮，体重低，协调能力差，行为问题和感官受损。

“胎儿酒精频谱失调（FASD）是发育障碍和神经行为缺陷的最常见原因之一，”第一作者，美国南加州大学神经科学研究生课程的博士候选人Chen Zhang和同事写道。“尽管FASD的患病率很高，但由于临床能力有限，目前的诊断过程具有挑战性，并且既费时又费钱，而且神经认知和神经行为障碍的特征报告不足。”

研究人员指出，目前尚无血液测试可诊断FASD。传统的诊断方法是主观的，需要进行各种测试和临床评估，因此成本很高。儿童大脑健康网络的共同研究者詹姆斯·雷诺兹（James N. Reynolds）博士指出，FASD是一个“重大的公共卫生问题”，在美国和加拿大，每年的费用可能在22，000美元至24，000美元之间。

研究人员试图开发一种机器学习方法，该方法可以筛选出46名表现出FASD的儿童。他们确定了一种筛查工具可能能够覆盖更多处于患病风险的儿童。

该工具使用摄像头和计算机视觉来记录FASD儿童的眼睛运动，同时观看多个一分钟的视频，并观察他们朝向或远离特定对象的情况。研究人员将这些眼动与对照组的眼动进行了比较。眼动“超出常态”的儿童被确定为有可能患FASD。此外，研究人员还利用了tests体的心理测验和神经影像技术，which体桥接了大脑的左右两侧。

张在准备好的声明中说：“新的检查程序仅涉及照相机和计算机屏幕，并且可以应用于很小的孩子。” “只需要10到20分钟，在大多数情况下，费用应该是可以承受的。背后的机器学习流程可以在几分钟内给出客观一致的估计。”

总体而言，研究人员发现他们的方法由三个眼动任务组成，心理测验花了一个半小时才能完成，平均灵敏度为82%，平均特异性为88%，准确率为85%。

声明说，这种机器学习方法可以提供重要的反馈，因此父母可以从专业人士那里获得帮助，而受FASD影响的孩子可以接受早期的认知和行为干预。

研究人员指出：“这种筛查程序可广泛用于跨地区和跨地区常规看望幼儿的诊所，学校或卫生部门，从而促进跨学科交流。”