Розлади аутистичного спектра (РАС) характеризуються багатьма особливостями, включаючи проблеми в соціальній взаємодії, різних видах навчання. Деякі діти виявляють надто жвавий інтерес до конкретних предметів, схильність до рутинних, повторюваних дій, мають проблеми у повсякденному спілкуванні, та мають конкретні способи обробки сенсорної інформації. Раннє втручання спеціалістів та відповідна підтримка можуть зробити значний внесок у життя цих дітей.

Попередні дослідження показали, що РАС можна виявити у віці 14 місяців, а відповідна їх корекція може бути досягнута уже у 18 місяців. Однак, існують значні труднощі у скринінгу та діагностиці розладів аутистичного спектра. Тож в реальності, відповідно до даних досліджень, середній вік встановлення діагнозу РАС у США становить 40 місяців. Схожа ситуація спостерігається і у Гонконзі, де РАС діагностують між 3 і 4 роком життя дитини. Ті ж самі дослідження вказують, що при більш м’яких формах РАС діагноз може бути встановлений лише після 6 років.

У науковій літературі зазначається, що певні особливості сітківки суттєво пов’язані із РАС. За даними Gialloreti та його колег (2014 рік), які оцінювали нервові волокна сітківки групи, що складалась із групи 24 пацієнтів із РАС, існує кореляція між різними видами розладів аутистичного спектра та змін сітківки. Наприклад, у осіб із високофункціональним аутизмом шар нервових волокон сітківки був більш тонким, аніж у людей із синдромом Аспергера, або у здорових людей із контрольної групи. Тож такі зміни сітківки можуть бути патофізіологічним маркером аутизму, на основі якого можна побудувати систему скринінгу. І у нижчеописаному дослідженні вчені із Китаю вивчали використання підходів машинного навчання на зображеннях сітківки для покращення раннього діагностування РАС.

Було набрано 46 учасників із розладами аутистичного спектра із трьох спеціалізованих шкіл, і 24 здорових учасники із звичайної громади. Для первинного аналізу серед усіх учасників було сформовано 23 пари, в яких одна особа мала РАС, а інша була здорова, та обидва учасники відповідали одне одному по віку та статі. Методика автоматичного аналізу зображень сітківки (ARIA) із застосуванням технології машинного навчання використовувалась для оптимізації інформації, отриманої з сітківки, щоб розробити класифікаційну модель РАС. Потім валідність цієї моделі оцінювалась за допомогою 10-блочної перехресної перевірки.

За результатами, чутливість та специфічність становили 95.7% (95% CI 76.0%, 99.8%) та 91.3% (95% CI 70.5%, 98.5%) відповідно. Площа під ROC-кривою становила  0.974 (95% CI 0.934, 1.000), однак було виявлено, що чутливість для жінок була не такою високою, як для чоловіків.

Оскільки ARIA є повністю автоматичним хмарним алгоритмом і покладається лише на зображення сітківки, він може використовуватись як інструмент оцінки ризику та скринінгу РАС. Але подальша діагностика та підтвердження діагнозу має проводитись відповідним спеціалістом. І завдяки цьому, необхідне лікування зможе надаватись на дуже ранніх стадіях.

Оригінальне дослідження було опубліковане у журналі EClinical Medicine 5 листопада 2020 року.