חוקרים: איילת בן-ששון¹, לידיה גביס^3,2

רקע: זיהוי מוקדם של הפרעות על הקשת האוטיסטית (ASD) הוא קריטי למיצוי היתרונות של התערבות מוקדמת. בקהילה משאבים מוגבלים לאיתור ASD.

מטרות: 1. בניית מודל ML לניבוי אבחנה של ASD מתוך רשומות טיפת חלב ולבדוק את דיוקו.
2. אפיון המנבאים החשובים ביותר.

שיטה: מסד הנתונים כלל 780,610 ילדים, מתוכם 1163 עם ASD. הרשומות כללו: מדדי לידה ופוסט-לידה, מדידות גדילה והתפתחות. Gradient boosting שימש לבניית מודל הML עם .3 fold cross validation כימות חשיבות מאפיינים נעשה עם כלי ה-SHAP.

ממצאים עיקריים: מודל ראשוני נוצר מ-100 תכונות שבתהליך איטרטיבי הובילו למודל סופי עם AUC=0.86, SD<.002. מתוך 20 המאפיינים החשובים ביותר על פני המודלים, 15 חפפו בין 3 הקפלים: ממצאי שש אבני דרך מהשנה השנייה לחיים מתחומי שפה, חברות ומוטוריקה עדינה, מגדר זכר, חששות הורים, העדר הנקה, גיל אם מבוגר יותר, שבוע הריון נמוך יותר, ארבעה מדדי גדילה גבוהים יותר.

מסקנות: שיטות ML יכולות למנף רשומות טיפת חלב כדי להעריך את רמת הסיכון ל-ASD מתחת לגיל שנתיים בהתחשב ביחסים לא ליניאריים בין מדדי לידה ופוסט-לידה, גדילה, ופרמטרים התפתחותיים.

המלצות/ השלכות לקובעי המדיניות: הדרכת קלינאים לזיהוי אבני דרך מנבאות יחד עם שיפור הרגישות של סימני ASD מבוססים שלא נכנסו למודל. הוספת כלי סקר לASD לפרוטוקול טיפת חלב.

תאריך סיום המחקר: 04/2023