在《Cell》期刊發表的一項突破性研究中，研究人員利用大型語言模型（LLM）的力量來增強自閉症的診斷。這種創新的方法解構了診斷自閉症背後的臨床直覺，提供了新的見解和對長期診斷標準的潛在修訂。

主要亮點：

• 人工智慧驅動的診斷：該研究利用訓練於超過4,000份臨床報告的LLM，以高準確度區分確診和疑似自閉症病例。

• 重點在重複行為：研究結果表明，重複行為、特殊興趣和感知行為對自閉症診斷比先前強調的社交缺陷更為重要。

• 挑戰現有標準：該研究呼籲修訂《精神疾病診斷與統計手冊》（DSM-5）標準，強調需要優先考慮行為而非社交互動缺陷。

• 解構臨床直覺：通過分析醫療專業人員的報告，該研究提供了對診斷自閉症臨床思維過程的數據驅動理解。

這項研究標誌著自閉症研究領域的一大進步，展示了人工智慧在改進和完善診斷實踐中的潛力。請繼續關注我們，了解更多基因學與人工智慧交叉領域的最新動態。

詳細期刊: Large language models deconstruct the clinical intuition behind diagnosing autism: Cell