Sebuah model pembelajaran mesin baru dapat memprediksi autisme pada anak-anak dari informasi yang relatif terbatas, menurut sebuah studi baru oleh Karolinska Institutet, yang diterbitkan dalam jurnal JAMA Network Open. Model ini dapat memfasilitasi deteksi dini autisme, yang penting untuk memberikan dukungan yang tepat.
Kristiina Tammimies, Associate Professor di KIND, Departemen Kesehatan Wanita dan Anak, Karolinska Institutet, salah satu penulis studi tersebut, mengatakan: “Dengan akurasi hampir 80% untuk anak-anak di bawah usia dua tahun, kami berharap ini akan menjadi alat yang berharga untuk perawatan kesehatan”.
Tim peneliti menggunakan basis data besar AS (SPARK) dengan informasi sekitar 30.000 individu dengan dan tanpa gangguan spektrum autisme.
Dengan menganalisis kombinasi 28 parameter yang berbeda, para peneliti mengembangkan empat model pembelajaran mesin yang berbeda untuk mengidentifikasi pola dalam data. Parameter yang dipilih adalah informasi tentang anak-anak yang dapat diperoleh tanpa penilaian dan tes medis yang ekstensif sebelum usia 24 bulan. Model dengan kinerja terbaik diberi nama “AutMedAI”.
Di antara sekitar 12.000 individu, model AutMedAI mampu mengidentifikasi sekitar 80% anak-anak dengan autisme. Dalam kombinasi khusus dengan parameter lain, usia senyum pertama, kalimat pendek pertama, dan adanya kesulitan makan merupakan prediktor kuat autisme.
Shyam Rajagopalan, penulis lain dari penelitian ini, seorang peneliti afiliasi di departemen yang sama di Karolinska Institutet dan saat ini asisten profesor di Institut Bioinfomatika dan Teknologi Terapan, India, mengatakan: “Hasil penelitian ini signifikan karena menunjukkan bahwa adalah mungkin untuk mengidentifikasi individu yang mungkin memiliki autisme dari informasi yang relatif terbatas dan tersedia secara luas”.
Menurut para peneliti, diagnosis dini sangat penting untuk menerapkan intervensi efektif yang dapat membantu anak-anak autis berkembang secara optimal.
“Alat ini dapat mengubah kondisi untuk diagnosis dan intervensi dini secara drastis, dan pada akhirnya meningkatkan kualitas hidup banyak individu dan keluarga mereka,” kata Rajagopalan.
Dalam penelitian tersebut, model AI menunjukkan hasil yang baik dalam mengidentifikasi anak-anak dengan lebih banyak kesulitan dalam komunikasi sosial dan kemampuan kognitif serta memiliki lebih banyak keterlambatan perkembangan.
Tim peneliti kini tengah merencanakan penyempurnaan lebih lanjut dan validasi model dalam pengaturan klinis. Pekerjaan juga sedang dilakukan untuk memasukkan informasi genetik ke dalam model, yang dapat menghasilkan prediksi yang lebih spesifik dan akurat.
“Untuk memastikan bahwa model tersebut cukup andal untuk diterapkan dalam konteks klinis, diperlukan kerja keras dan validasi yang cermat. Saya ingin menekankan bahwa tujuan kami adalah agar model tersebut menjadi alat yang berharga bagi perawatan kesehatan, dan tidak dimaksudkan untuk menggantikan penilaian klinis autisme,” kata Tammimies.
Sumber informasi:
Shyam Rajagopalan dkk. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229
Discussion about this post