机器学习预测自闭症青少年的攻击性行为

一项发表于《美国医学会杂志网络公开版》(JAMA Network Open) 的突破性研究中，研究人员利用 机器学习技术 有效预测了住院自闭症青少年即将出现的攻击性行为。该研究由波士顿东北大学的泰尔斯·伊姆比里巴博士领导，标志着在理解和管理自闭症相关挑战性行为方面取得了重大进展。

这项研究于2019年3月至2020年3月进行，研究对象为70名确诊患有自闭症的精神科住院患者。这些患者表现出自伤行为、情绪失调或攻击他人行为，其中32人语言能力极低，30人有智力障碍。

研究人员利用市售生物传感器记录了参与者的外周生理信号。他们仔细分析了从生物传感器数据中trac的时间序列特征，以dent攻击性dent发生前的模式。

观察环节揭示了关键见解

在研究期间，研究人员进行了 429 次观察编码，总计长达 497 小时。在这些观察中，共记录了 6665 例攻击性行为，并将其归类为自伤（59.8%）、情绪失调（31.0%）和攻击他人（9.3%）。

该研究最重要的发现在于逻辑回归作为分类器在预测攻击性行为方面的有效性。该方法展现出卓越的准确性，受试者工作特征曲线下面积均值达到0.80，尤其是在攻击性行为发生前三分钟进行预测方面。

这项研究意义深远。作者认为，这些发现有望为开发能够提供即时自适应干预的移动医疗系统铺平道路。这项技术有望彻底改变该领域，为预防性干预提供新的可能性。通过着重降低自闭症青少年攻击性行为的不可预测性，它有可能显著提高他们的生活质量。

改变住院自闭症青少年的生活

这项突破性研究代表着自闭症研究和干预策略领域的一项重要进展。它为改善对有挑战性行为的自闭症患者的照护和支持带来了希望。提高对这些行为的可预测性和可控性，能够帮助住院青少年更充分地融入家庭、学校和社区生活。

这项研究的成功凸显了机器学习在革新我们对自闭症患者的理解和关怀方式方面的巨大潜力。这种预测攻击性行为的创新方法提供了一种前所未有的全新支持方式。下一步将着重于进一步完善这些预测模型并将其应用于实际工作中。

自闭症护理的未来前景

随着这些预测模型的开发和完善，自闭症护理的未来充满希望。融合机器学习技术的移动医疗系统有望成为家长、照护者和医疗专业人员提供及时干预和支持的宝贵工具。

总之，由Tales Imbiriba博士领导的这项开创性研究展现了机器学习在预测自闭症青少年攻击性行为方面的强大能力。这项研究为面临自闭症挑战的人们带来了更美好的未来，并为开发创新有效的干预措施指明了方向。尽管将这些发现转化为实际应用仍需付出更多努力，但改善自闭症患者的生活质量无疑是一个值得追求的目标。