Screening autism spectrum disorder in children using machine learning on speech transcripts
7.5
来源：
Nature
关键字：
AI brain science
发布时间：
2025-10-01 23:37
摘要：
本研究探讨了利用机器学习模型通过儿童的语言转录进行自闭症谱系障碍（ASD）检测的可行性。研究结果显示，模型在两个数据集上的准确率超过86%，并强调了使用结构化文本输入以降低隐私风险的重要性。通过分析语言特征，如平均发言长度（MLU）和发言比例（MLT Ratio），研究为ASD的早期检测提供了非侵入性和伦理的解决方案，具有重要的临床和教育应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
0.5
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
0.5
关键证据
模型在两个数据集上的准确率超过86%。
研究强调了使用结构化文本输入以避免隐私风险。
通过分析语言特征，研究为ASD检测提供了基础性见解。
真实性检查
否
AI评分总结
本研究探讨了利用机器学习模型通过儿童的语言转录进行自闭症谱系障碍（ASD）检测的可行性。研究结果显示，模型在两个数据集上的准确率超过86%，并强调了使用结构化文本输入以降低隐私风险的重要性。通过分析语言特征，如平均发言长度（MLU）和发言比例（MLT Ratio），研究为ASD的早期检测提供了非侵入性和伦理的解决方案，具有重要的临床和教育应用潜力。