پژوهشی منتشرشده در سال ۲۰۲۰، امکان استفاده از ویژگی‌های صدای گریه برای غربالگری اولیه اتیسم را در نمونه‌ای محدود از کودکان بررسی کرد. این نتیجه به معنای تشخیص بالینی با صدای گریه نیست.
افزایش تعداد کودکان مبتلا به اختلال طیف اتیسم و اهمیت مداخلات زودهنگام برای توان‌بخشی این اختلال، مطالعات بسیاری را به سمت ایجاد روش‌های غربالگری زودهنگام و خودکار سوق داده است. بر اساس نظر متخصصین و مطالعات صورت‌گرفته، صدای گریه به عنوان یک نشان‌گر زیستی قابل دسترس از بدو تولد، می‌تواند برای غربالگری کودکان مبتلا به اتیسم مورد استفاده قرار گیرد. بر این اساس و با توجه به کمبود‌های کارهای صورت‌گرفته در این حوزه، پژوهشی با رویکرد غربالگری برای جداسازی کودکان مبتلا به اتیسم از کودکان معمولی با استفاده از صدای گریه انجام شده است که امکان غربالگری زودهنگام و خودکار را فراهم می‌کند.
در این پژوهش، مدل با داده‌های ۲۰ پسر آموزش دید و روی نمونه‌ای از ۴۲ کودک ۱۸ تا ۵۳ ماهه آزموده شد. حساسیت گزارش‌شده برای پسران ۸۵٫۷۱٪ و برای دختران ۷۱٫۴۲٪ بود؛ ویژگی در همین نمونه برای هر دو گروه ۱۰۰٪ گزارش شد. آزمون مقدماتی دیگری نیز روی ۵۷ کودک ۱۰ تا ۱۸ ماهه انجام شد. این ارقام به نمونه‌های پژوهش محدودند و برای کاربرد بالینی نیاز به ارزیابی بیشتری وجود دارد.
از جمع‌آوری صدای گریه کودکان تا رسیدن به نتیجه نهایی همگی در حین این پژوهش انجام شده است و مقاله مستخرج از آن در سال ١٣٩٩ در مجله PlosONE به چاپ رسیده است.
این پژوهش که آیدا خزاعی، کارشناس ارشد هوش مصنوعی شرکت داتا، همراه با هادی مرادی، رشاد حسینی، حمیدرضا پوراعتماد و بهاره اسکندری انجام داده‌اند، امسال نیز موفق به کسب تندیس طلایی دوره اول جایزه باشگاه مغز شد. پژوهش مذکور در رقابت با ۵٩ پژوهش دیگر و با رای هیات داوران توانست این جایزه را در حوزه کودکان از آن خود کند.
برای آشنایی با اصطلاحات فنی این پژوهش، واژه‌نامه هوش مصنوعی را ببینید.
