由于涉及的复杂程度，诊断自闭症谱系障碍 (ASD) 仍然是一项艰巨的挑战，需要高度专业化的专业人员。自闭症是一种多因素神经发育障碍，症状多种多样。根据美国疾病控制与预防中心 (CDC) 的数据，在美国，大约每 36 名儿童中就有 1 名被诊断患有自闭症谱系障碍 (ASD)，但目前还没有生化标记物可以精确识别该疾病。巴西研究人员在《科学报告》杂志上发表的一篇文章中提出了一种定量诊断方法。

该研究基于500 人的脑成像数据，其中约一半(242 人)被诊断患有自闭症谱系障碍(ASD)。机器学习技术应用于数据。

“我们开始通过收集功能磁共振成像 [fMRI] 和脑电图 [EEG] 数据来开发我们的方法，”该文章的最后作者弗朗西斯科·罗德里格斯 (Francisco Rodrigues) 说。他是巴西圣卡洛斯圣保罗大学数学与计算机科学研究所 (ICMC-USP) 的教授。

罗德里格斯说：“我们比较了患有自闭症谱系障碍和未患有自闭症谱系障碍的人的地图，发现使用这种方法可以进行诊断。”

研究人员将这些地图输入机器学习算法。根据学习到的例子，系统能够确定哪些大脑改变与 ASD 相关，准确率超过 95%。

文章指出，最近的许多研究提出了基于机器学习的自闭症谱系障碍诊断方法，但使用单一统计参数，忽略了大脑网络组织，这是本研究的创新之处。大脑图或皮质网络显示大脑区域如何连接。对这些网络的研究大约始于 20 年前，为神经科学提供了新的视野。罗德里格斯说：“就像中断的道路会改变一个地区的交通一样，大脑的改变也会导致行为的改变。”