🔥 今日值得一读
多模态大模型ASDchat筛查自闭症，AUC达0.953，覆盖27站点千余人！
A multimodal large language model for evidence-based autism spectrum disorder screening
👨💼 主理人解读 · 为什么值得关注
多模态自闭症筛查模型，输出带时间戳的行为证据，可辅助临床早期筛查并提升可解释性。
📖 AI 总结
本研究提出ASDchat，一种面向循证自闭症谱系障碍（ASD）筛查的多模态大语言模型，可同时接收视频、音频和对话输入。模型采用双分支架构：决策分支输出筛查概率，证据分支生成可追溯、带时间戳且符合ADOS-2临床标准的行为证据。研究基于中国27个站点、1035名参与者（涵盖典型发育儿童、ASD儿童及其他障碍儿童）的数据进行训练与评估。在ASD与典型发育儿童的区分任务中，模型AUC达0.953±0.021；在9个未参与训练的留出站点上，平均AUC为0.932。此外，对行为维度的无监督聚类将ASD病例划分为六种表型不同的亚型，并针对每种亚型给出干预建议。该研究为大规模、循证的自闭症早期筛查提供了可行路径。
🔑 关键词速览
| ASDchat | 一种用于循证自闭症谱系障碍筛查的多模态大语言模型，可处理视频、音频和对话输入。 |
| ADOS-2 | 自闭症诊断观察量表第二版，是自闭症诊断和评估的标准化临床工具。 |
| AUC | 受试者工作特征曲线下面积，用于衡量二分类模型性能的指标，值越高表示性能越好。 |
| 多模态大语言模型 | 能够同时处理和整合多种模态（如文本、图像、音频）信息的大型语言模型。 |
| 双分支架构 | 模型包含两个并行分支：决策分支生成筛查概率，证据分支生成可追溯的行为证据。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅