AI算法解码婴儿大脑扫描 预测自闭症
据IEEE Spectrum报道，22年前，研究人员首次报道称，患有自闭症谱系障碍的青少年大脑体积会增加。在随后几年中，对青少年、幼童的研究显示，这种大脑“疯长”现象主要出现在患者童年期间。现在，美国北加州大学的科研团队发现，与自闭症有关的大脑发育变化最小会出现在只有6个月大的婴儿身上。深度学习算法能够利用这些数据，预测某个孩子在24个月内是否能被诊断出患有这种病。
在患自闭症高危儿童中，这种算法能够准确预测诊断，准确率高达81%。与行为问卷诊断方式相比，算法的表现显然更好。前者产生的信息只能作为早期自闭症诊断的依据，而且准确率只有50%。北加州大学心理学家和大脑发育研究员海瑟·黑兹利特（Heather Hazlett）表示：“深度学习算法的表现超过传统诊断方式，并且可被用于更小的孩子身上。”
作为婴儿大脑成像研究的一部分，美国国家卫生院资助对自闭症患者进行早期大脑发育研究，研究团队共对106名婴儿进行研究，他们的哥哥或姐姐都有自闭症患者，其中42个婴儿没有自闭症家族史。研究人员扫描了每个婴儿的大脑，对于那些只有6个月、12个月以及24个月大的婴儿来说，这项工作并不轻松。
在6到12个月的婴儿身上，研究人员没有看到他们的整体大脑发育情况发生变化。但在患自闭症高危儿童中，且后来被诊断患有自闭症的孩子身上，他们发现大脑表面积有明显增长。这种增长与12个月到24个月大的婴儿大脑体积增长有关。换言之，在自闭症婴儿身上，到12个月时，他们的大脑发育首先集中在表面积扩张上，到24个月时，才会出现大脑整体体积增大现象。
研究人员还对24个月大的婴儿进行了行为评估。此时，这些孩子已经足以展示出自闭症患者的标志性行为，比如缺少社交性趣、语言能力发育延迟、重复身体动作等。研究人员注意到，大脑越是过度生长，孩子的自闭症症状就越严重。尽管新发现证实了大脑变化与发生在婴儿期的自闭症有关，但研究人员依然未停止研究。
与北加州大学和查尔斯顿学院的计算机科学家合作，研究团队开发出深度学习算法，并用大脑扫描图训练它，测试其是否能利用早期大脑变化数据，预测哪些婴儿后期可被诊断出自闭症。这种算法的表现非常好，只利用3个变量，即大脑表面积、大脑体积以及性别（男孩更有可能患上自闭症），算法就可以准确预测出4/5的自闭症案例。黑兹利特表示：“这已经相当棒，比行为工具好得多！”
为了训练算法，研究团队最初只用一半数据对其进行训练，并利用另一半数据进行测试。但是应审查人员的要求，他们后来利用更标准的10倍分析法，即将数据平均分成10等份。机器学习算法需要对每份数据进行10次分析，其中9次进行训练，第十次用于测试。最后，算法从10轮分析中收集“测试结果”，并利用它们进行预测。
令人欣慰的是，这两种分析方法都显示出基本相同的结果。研究人员对预测的准确率相当满意。查尔斯顿学院的助理教授布伦特·蒙塞尔（Brent Munsell）说：“当更多主题被添加时，我们预期算法可提供相同的预测准确度。总的来说，在过去几年中，被应用于图形数据中的深度学习算法已被证明非常准确。”
但是黑兹利特强调，在看到计算机诊断自闭症之前，我们需要能够再现实验结果。这需要些时间，因为它非常困难，而获得婴儿大脑扫描图并进行复制测试非常昂贵。当然，如此昂贵的诊断测试并不一定适合所有孩子。但是通过基因测试或其他检测，发现某个孩子存在患自闭症的可能，这种算法有助于确认导致他们陷入更大危险的大脑变化情况。
使用机器人教育自闭症儿童
彭湃新闻近日报道了广东21岁女代课教师在特殊教育学校任职，其弟弟患有自闭症，也跟随其在学校念书。几个月之后，姐姐失业没钱，弟弟也没法念书，不能接受治疗。如果有“人”能低价持续地照顾弟弟，或许姐姐的负担就没有那么重了。
赫芬顿邮报去年曾报道过一款能够照料孩子的机器人。这台机器人名为“NAO”，能够观察儿童的心情，认识其家庭成员，甚至理解其食物和音乐喜好。
以NAO为代表的护理机器人越来越多，其中就包括麻省理工学院研发的一款名为“Huggable”的泰迪熊机器人。后者旨在向患慢性疾病的儿童提供支持和抚慰，同时帮助医生监测小孩子的各种生命体征。
教学机器人
现在，一些机器人能够在陪伴中提供教学职能。比如哈佛大学一个团队开发了一个名为“Root”的机器人，旨在激发和吸引年轻人对编程的兴趣。“现阶段在键盘上编程是困难的。这是一个抽象的过程，与现实世界没有联系。”团队说。“Root机器人以一种富有乐趣和平易近人的方式把代码带入生活。没有编程经验的儿童可在几分钟内上手对机器人进行编程。”
在另外一个类似的项目中，伦敦帝国理工学院的研究人员正在开发机器人来帮助自闭症儿童进行学习。
自闭症教学
据调查，平均每一百人中就有一个受到自闭症谱系障碍（ASD）困扰。自闭症影响人们的社会交际、兴趣和行为。迄今为止的自闭症教学主要围绕在帮助孩子们表达他们的情绪，同时理解他人的感情。
有时这种方式实行起来非常困难，容易引起孩子对参与的反感，进而逃避与他人接触。鉴于此，为了寻找更好教育方式，研究人员开始了一个为期四年名为“DeEnigma”的项目。旨在探索是否可以通过机器人提供有趣的方式来帮助自闭儿童学习情绪。
“自闭症以不同的方式影响人。很多人在情绪的理解和表达上有困难，他们往往倾向于关闭他们不明白的情绪。我们要做的是帮助他们了解人们如何传达彼此的情绪，使其明白人类之间的交互并非那么混乱不堪。这就是我们自认为项目的重要性所在。”研究人员说。
如何运行
机器人结合多种不同的方法，包括音频和视觉技术、面部识别，甚至还有AI。它可以监测孩子的声音和视觉反馈。
通过这些技术，Zeno机器人能够在一定程度上自发地与孩子互动，提供一个强大的教学环境。
“看到Zero机器人使用我们的技术参与到自闭症儿童生活中去令人惊喜。孩子们绝对喜欢机器人。看到机器人时，他们面露喜色。比如有一对父母反馈说，他们六岁患有低语自闭症的孩子在表达对再见到Zero的期待时第一次开口说话。这真是令人惊喜的消息。”研究团队说。
此前并无利用机器人与儿童进行实时交流的研究，该项目被认为是业界首例。自发性让每个孩子的学习过程充满乐趣和令人兴奋，团队相信这对有效教学至关重要。
最终团队希望能够向全国的专门学校提供机器人，帮助自闭症儿童学习主要社交技能。研究人员也希望自己的工作以及工作中所收集的数据能够为欧洲其他国家的工作提供指导。
浙公网安备: 33028102000314号