Comportamentos repetitivos, interesses especiais são indicativos do diagnóstico do autismo, e não de habilidades sociais: estudo, ET Healthworld
Washington: As pessoas com autismo são tipicamente diagnosticadas por observação e avaliação clínicas. Para desconstruir o processo de decisão clínica, que geralmente é subjetivo e difícil de descrever, os pesquisadores usaram um grande modelo de linguagem (LLM) para sintetizar os comportamentos e observações que são mais indicativas de um diagnóstico de autismo.
Seus resultados mostram que comportamentos repetitivos, interesses especiais e comportamentos baseados em percepção estão mais associados a um diagnóstico de autismo. Esses achados têm o potencial de melhorar as diretrizes de diagnóstico para o autismo, diminuindo o foco nos fatores sociais- que as diretrizes estabelecidas no DSM-5 focam, mas o modelo não classificou entre os mais relevantes no diagnóstico do autismo.
Nosso objetivo não era sugerir que pudéssemos substituir os médicos por ferramentas de IA para o diagnóstico “, diz o autor sênior Danilo Bzdok, do Instituto de Inteligência Artificial Mila Quebec e da McGill University em Montreal.
“Em vez disso, procuramos definir quantitativamente exatamente quais aspectos do comportamento observado ou histórico do paciente um clínico usa para alcançar uma determinação final de diagnóstico. Ao fazê -lo, esperamos capacitar os médicos a trabalhar com instrumentos de diagnóstico que estão mais alinhados com suas realidades empíricas”.
Os cientistas aproveitaram um modelo de linguagem de transformador, que foi pré-treinado em cerca de 489 milhões de frases únicas. Eles então ajustaram o LLM para prever o resultado diagnóstico de uma coleção de mais de 4.000 relatórios escritos por médicos que trabalham com pacientes considerados para o diagnóstico de autismo.
Os relatórios, que eram frequentemente usados por vários médicos, incluíam relatos de comportamento observado e histórico relevante do paciente, mas não incluíram um resultado diagnóstico sugerido.
A equipe desenvolveu um módulo LLM sob medida que identificou frases específicas nos relatórios mais relevantes para uma previsão correta de diagnóstico.
Eles então extraíram a representação numérica dessas frases altamente relevantes para o autismo e as compararam diretamente com os critérios de diagnóstico estabelecidos enumerados no DSM-5.
Os pesquisadores ficaram surpresos com o quão claramente o LLM foi capaz de distinguir entre os critérios mais relevantes do diagnóstico. Por exemplo, sua estrutura sinalizou que comportamentos repetitivos, interesses especiais e comportamento baseado na percepção eram os critérios mais relevantes para o autismo.
Embora esses critérios sejam usados em ambientes clínicos, os critérios atuais se concentram mais em déficits na interação social e na falta de habilidades de comunicação.
A equipe espera que sua estrutura seja útil para pesquisadores e profissionais médicos que trabalham com uma variedade de distúrbios psiquiátricos, de saúde mental e neurodesenvolvimento, nos quais o julgamento clínico forma a maior parte do processo de tomada de decisão de diagnóstico. (Ani)
