Künstliche Intelligenz erkennt Autismus anhand von Handbewegungen mit 89 % Genauigkeit

Ein großer wissenschaftlicher Durchbruch könnte die Diagnose von Autismus grundlegend verändern. Einer aktuellen Studie von Forschern der University of York im Vereinigten Königreich zufolge ist künstliche Intelligenz mittlerweile in der Lage, Anzeichen von Autismus anhand einfacher Handbewegungen mit einer Genauigkeit von bis zu 89 Prozent zu erkennen.

Diese Entdeckung basiert auf einer neuartigen Idee: Die alltäglichsten Gesten, wie etwa das Greifen eines Gegenstands zwischen Daumen und Zeigefinger, können subtile Hinweise auf die Funktionsweise des Gehirns liefern. Im Rahmen der Studie wurde das motorische Verhalten von 59 jungen Erwachsenen analysiert, die mit Sensoren an den Fingern ausgestattet waren und rechteckige Objekte griffen. Mithilfe von Bewegungsverfolgungstechniken und Algorithmen des maschinellen Lernens konnten die Forscher mehr als 12 Merkmale im Zusammenhang mit der Motorsteuerung extrahieren, darunter Geschwindigkeit, Handbewegung und wann der Greifer seine maximale Öffnung erreicht.

Die gesammelten Daten wurden dann in fünf Modelle des maschinellen Lernens eingespeist. Sogar das Modell mit der schlechtesten Leistung erreichte eine Genauigkeit von über 84 %, was das bemerkenswerte Potenzial dieses Ansatzes bestätigt.

Was diese Methode auszeichnet, ist ihre Einfachheit und Zugänglichkeit. Im Gegensatz zu teuren Gehirnscans oder komplexen diagnostischen Interviews basiert diese Technologie auf einer natürlichen Aufgabe, die jeder Mensch täglich ausführt. Durch die Kombination von nur zwei Sensoren und leistungsstarken Algorithmen könnte es in Zukunft einen schnelleren und kostengünstigeren Weg zur Frühdiagnose von Autismus bieten.

Es bleiben jedoch einige Herausforderungen bestehen. Der Schwerpunkt der Studie lag auf Teilnehmern mit durchschnittlichem IQ. Die Wirksamkeit dieser Methode bei Kindern – der wichtigsten Zielgruppe für Früherkennungsuntersuchungen – muss noch beurteilt werden. Die Forscher möchten außerdem die Fähigkeit dieses Ansatzes untersuchen, zwischen verschiedenen Autismusprofilen zu unterscheiden und seine Anwendung in praktischen Umgebungen wie Schulen oder Kliniken zu validieren.

Dieser Fortschritt ebnet den Weg für eine Revolution im Bereich der Diagnose neurologischer Entwicklungsstörungen, indem er technologische Fortschritte mit einem detaillierten Verständnis des menschlichen Verhaltens kombiniert.