기계 학습, 자폐증 청소년의 공격적 행동 예측

JAMA Network Open에 온라인으로 게재된 획기적인 연구에서, 연구자들은 기계 학습의 힘을 활용하여 자폐증이 있는 입원 청소년들의 임박한 공격적 행동을 효과적으로 예측했다. 보스턴의 노스이스트 대학교 Dr. Tales Imbiriba가 이끄는 이 연구는 자폐증과 관련된 도전적인 행동을 이해하고 관리하는 데 중요한 진전을 나타낸다.

2019년 3월부터 2020년 3월까지 수행된 이 연구는 확인된 자폐증 진단을 받은 70명의 정신과 입원 환자를 대상으로 했다. 이 개인들은 자기 손상 행동, 감정 조절 장애, 또는 타인에 대한 공격성을 보였으며, 이 중 32명은 최소한으로 말만 하고 30명은 지적 장애를 가지고 있었다.

상업적으로 이용 가능한 바이오센서로 장비된 참가자들의 말초 생리적 신호가 기록되었다. 연구팀은 바이오센서 데이터에서 추출된 시계열 특징을 신중하게 분석하여 공격적 사건을 선행하는 패턴을 식별했다.

관찰 세션은 중요한 통찰력을 드러낸다

연구 기간 동안 연구자들은 총 497시간에 달하는 429회의 관찰 코딩 세션을 수행했다. 이러한 세션 내에서 6,665건의 공격적 행동이 기록되었으며, 자기 손상(59.8%), 감정 조절 장애(31.0%), 타인에 대한 공격성(9.3%)으로 분류되었다.

이 연구의 가장 중요한 발견은 공격적 행동을 예측하기 위한 분류기로서 로지스틱 회귀의 효과성에 있다. 이 방법은 특히 발병 3분 전의 공격적 행동을 예측하는 데 있어 0.80의 평균 ROC 곡선 아래 면적으로 놀라운 정확도를 보였다.

이 연구의 함의는 지대하다. 저자들은 이러한 발견이 실시간 적응형 개입을 제공하는 모바일 헬스 시스템 개발의 길을 열 수 있다고 제안한다. 이 분야에 혁명을 일으킬 수 있는 이 기술은 예방적 개입을 위한 새로운 가능성을 제공한다. 자폐증 청소년들의 공격적 행동의 예측 불가능성을 줄이는 데 초점을 맞춤으로써, 이는 그들의 삶의 질을 크게 향상시킬 잠재력을 가지고 있다.

자폐증이 있는 입원 청소년들의 삶 변화

이 획기적인 연구는 자폐증 연구 및 개입 전략에서 유망한 진전을 나타낸다. 이는 도전적인 행동을 보이는 자폐증 개인들을 위한 개선된 돌봄과 지원에 대한 희망을 가져온다. 이러한 행동의 예측 가능성과 관리를 향상시킴으로써, 입원 청소년들이 가정, 학교, 그리고 커뮤니티에서 더 완전히 참여할 수 있도록 권한을 부여한다.

이 연구의 성공은 기계 학습이 우리가 자폐증 개인들을 이해하고 돌보는 방식을 혁명적으로 변화시킬 잠재력을 강조한다. 공격적 행동을 예측하는 이 혁신적인 접근 방식은 이전에 불가능했던 지원의 새로운 차원을 제공한다. 다음 단계는 이러한 예측 모델의 추가 정제와 실제 적용을 포함할 것이다.

자폐 치료의 미래 전망

이러한 예측 모델이 개발되고 정교해짐에 따라 자폐 치료의 미래는 희망적입니다. 머신러닝을 통합한 모바일 헬스 시스템은 적시 중재와 지원을 제공하는 데 부모, 보호자 및 의료 전문가에게 귀중한 도구가 될 수 있습니다.

결론적으로, Tales Imbiriba 박사가 주도한 획기적인 연구는 머신러닝이 자폐아동의 공격적 행동을 예측하는 데 가진 힘을 입증했습니다. 이 연구는 자폐와 관련된 도전에 직면한 개인들에게 더 밝은 미래를 위한 희망을 제시하며, 혁신적이고 효과적인 중재 방법을 개발하기 위한 길을 제공합니다. 이러한 발견을 실제 적용으로 전환하기 위해 더 많은 작업이 남아 있지만, 자폐인의 삶을 향상시킬 잠재력은 추구할 가치가 충분한 목표입니다.