南昆士兰大学的Raj Gururajan教授参加的国际研究小组正在开发一种通过大脑信号和神经模式诊断孤独症谱系障碍（俗称自闭症ASD）的人工智能系统。

　　系统开发取得了重大进展，研究人员可以从儿童大脑活动的脑电图（EEG）记录中创建一个独特的ASD分类。

　　据估计，澳大利亚有超过15万人患有自闭症，也就是每160名儿童中就有一名患有自闭症。

　　Gururajan教授是信息系统的专家，专长于研究卫生信息，他表示早期诊断对于尽早干预和治疗效果至关重要。

　　Gururajan教授说：“这个系统可以大大改善患者的治疗效果，因为越早发现和诊断出儿童自闭症，父母就能越早决定治疗和支持方案。”

　　这项研究发表在《复杂与智能系统》期刊（Complex & Intelligent Systems）上，对从两组4至13岁儿童的脑电信号（EGG）中提取的18个非线性显著特性进行了跟踪检测。

　　其中一组为40名已确诊的自闭症儿童，而另一组是37名未被诊断为神经发育障碍的儿童。研究人员找到了三种突出特性，能有效预测自闭症发病。

　　研究的下一个阶段将侧重于通过更多数据和测试来增强数据模型，最终开发一个云端数据系统，通过一次大脑扫描来自动检测ASD。

　　Gururajan教授表示这一系统可以帮助减少自闭症诊断过程中的猜测因素，他说：“当下诊断ASD非常困难。因为没有医学检测和血液检测手段可以获得明确的诊断结果，医生是通过观察患儿的行为方式以及在一段时期内（可能持续数年）的发展情况来做出诊断。而我们真正需要的是一种自动化诊断手段帮助医疗人员，尤其是对于那些没有太多经验的临床医生准确并更早地诊断出自闭症。”

　　未来开发的系统将通过把大脑扫描的数据传输到云端，而云端数据系统可以通过人工智能分析，将脑电信号（EGG）快速分成两类——ASD和非ASD。

　　Gururanjan教授补充道：“将数据存储在云端意味着它还可以用于诊断影响儿童的其他神经疾病，如注意力缺陷多动障碍和癫痫等病症。”