新传媒网大约六十八人中就有一人患有自闭症。专家们一致认为：早期干预对于提高沟通技巧和解决行为问题至关重要。但研究人员如何才能加快识别需要帮助的儿童，同时提供更清晰的干预和支持地图呢?南加州大学维特比工程学院信号分析与解释实验室 (SAIL) 的研究人员 Ming Hsieh 电气工程系，以及自闭症研究领导者 Catherine Lord(威尔康奈尔医学院)和 Somer Bishop(加州大学圣何塞分校) Francisco)目前正在探索机器学习是否可以在帮助筛查自闭症以及指导护理人员和从业人员干预方面发挥重要作用。
他们最新的跨学科合作和研究记录在《使用机器学习改进自闭症筛查和诊断仪器：有效性、效率和多仪器》论文中，该论文发表在《儿童心理学和精神病学杂志》上。
研究作者 Daniel Bone、Somer Bishop、Matthew P. Black、Matthew Goodwin、Catherine Lord 和 Shrikanth S. Narayanan 研究了两项既定的行业测试：自闭症诊断访谈修订版 (ADI-R) 和社会反应量表 (SRS)，这两项考试都会询问家长有关孩子行为的情况。然后，学者们应用机器学习技术来分析父母对单个项目和项目组合的反应如何与孩子自闭症谱系障碍与非自闭症谱系障碍的整体临床诊断相匹配。
共同作者兼 SAIL 主任 Shri Narayanan 表示，推动该研究项目的基本问题之一是，“我们如何支持和增强专家超越人类能力的决策，我们如何理解无法理解的数据和模式”会被一个人发现吗?”研究人员渴望为父母或照顾者和评估人员提供“更好决策的工具”，研究了 1500 多名个体的测试成绩，将患有自闭症谱系障碍的个体的结果与患有其他非自闭症谱系障碍的个体的结果进行比较。
