机器学习预测自闭症青少年的攻击性行为

在JAMA Network Open在线发表的一项开创性研究中，研究人员利用机器学习的力量，有效地预测了患有自闭症的住院青少年即将发生的攻击性行为。这项研究由波士顿东北大学的Tales Imbiriba博士领导，标志着在理解和管理与自闭症相关的挑战性行为方面迈出了重要一步。

该研究于2019年3月至2020年3月进行，重点关注70名确诊患有自闭症的住院精神病患者。这些人表现出自残行为、情绪失调或对他人攻击，其中32人言语能力有限，30人患有智力障碍。

参与者配备了商业可用的生物传感器，记录了其外周生理信号。研究团队仔细分析了从生物传感器数据中提取的时间序列特征，以识别攻击性事件发生前的模式。

观察性会话揭示关键见解

在研究期间，研究人员进行了429次观察编码会话，总计惊人的497小时。在这些会话中，记录了6,665次攻击性行为，并分类为自残（59.8%）、情绪失调（31.0%）和对他人攻击（9.3%）。

该研究最重要的发现在于逻辑回归作为预测攻击性行为分类器的有效性。这种方法表现出惊人的准确性，受试者工作特征曲线下平均面积为0.80，特别是在预测攻击性行为发生前三分钟方面。

这项研究的意义深远。作者认为，这些发现可以为开发提供即时自适应干预的移动健康系统铺平道路。这项可能彻底改变该领域的技术，为预防性干预提供了新的可能性。通过专注于减少自闭症青少年攻击性行为的可预测性，它有可能显著提高他们的生活质量。

改变自闭症住院青少年的生活

这项突破性研究代表了自闭症研究和干预策略的有希望的进步。它为表现出挑战性行为的自闭症个体带来了改善护理和支持的希望。提高这些行为的可预测性和管理能力，使住院青少年能够更充分地参与家庭、学校和社区生活。

该研究的成功凸显了机器革命性改变我们理解和照顾自闭症个体方式的潜力。这种预测攻击性行为的新颖方法提供了以前无法获得的新维度支持。下一步将是进一步完善和实际应用这些预测模型。

自闭症护理的未来前景

随着这些预测模型的不断发展和完善，自闭症护理的未来充满希望。结合机器学习的移动健康系统可能成为父母、护理人员和医疗保健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示了机器学习在预测自闭症青少年攻击性行为方面的力量。这项研究为面临自闭症相关挑战的个人带来了更光明的未来希望，并为开发创新且有效的干预措施提供了途径。虽然将这一发现转化为实际应用仍需大量工作，但改善自闭症患者生活潜力的目标非常值得追求。