Традиционная диагностика РАС требует участия квалифицированных специалистов и значительных временных затрат, что может увеличивать период между первыми подозрениями на расстройство и постановкой диагноза. По оценке авторов обзора, ИИ способен ускорить первичную оценку состояния и сделать ее более объективной. Так, нейросеть позволяет сокращать число пунктов диагностических инструментов, включая ADOS и ADI-R, без существенной потери точности. В отдельных исследованиях уменьшение количества пунктов ADOS с 28 до 7–12 обеспечивало чувствительность на уровне 96–100% и специфичность 87–99%.
Другие алгоритмы анализируют мимику, движения, направление взгляда и речевые характеристики. В рассмотренных исследованиях точность классификации РАС на основе изображений лиц и акустических признаков достигала 98%, а анализ движений глаз – 88,5%. Обработка речи и текста также позволяет выявлять особенности коммуникации, в том числе эхолалию, повторение речевых конструкций и нарушения связности повествования.
Кроме того, ИИ может применяться для адаптации реабилитационных программ к индивидуальным особенностям пациента. Алгоритмы способны анализировать успешность выполнения заданий, время реакции, поведенческие реакции и физиологические показатели, а затем корректировать сложность упражнений и формат обратной связи. В частности, метаанализ 23 исследований показал положительное влияние технологий виртуальной реальности на развитие социальной коммуникации, распознавание эмоций и адаптивных навыков у людей с РАС. В виртуальной среде можно моделировать социальные ситуации, тренировать зрительный контакт и диалоговые навыки. При этом отдельные исследования фиксировали головокружение, тревогу и утомляемость, поэтому авторы подчеркивают необходимость осторожного подбора пациентов и постепенного введения таких вмешательств.
Еще одно направление – социальные роботы, которые могут распознавать эмоциональные реакции и уровень вовлеченности пользователя, а также адаптировать ход занятий. Мобильные приложения на основе машинного обучения позволяют формировать индивидуальные траектории обучения и проводить структурированные тренировки дома.
Персонализация может опираться и на прогнозирование ответа на терапию. Например, исходные показатели рецептивной речи, совместного внимания и имитации могут помогать оценивать вероятность успеха разных поведенческих программ. В перспективе интеграция поведенческих, речевых, генетических и нейровизуализационных данных позволит выделять подтипы РАС и точнее подбирать вмешательства. Однако, по оценке специалистов, это направление пока находится на ранней стадии развития.
ИИ-инструменты могут использоваться и для дистанционной поддержки семей. Телемедицинские платформы позволяют записывать поведенческие пробы в домашних условиях, а алгоритмы – предварительно анализировать видео- и аудиоматериалы, выявляя признаки, которые требуют внимания специалиста. Виртуальные ассистенты могут предоставлять родителям рекомендации по управлению сложными поведенческими ситуациями и помогать отслеживать факторы, связанные с изменениями поведения ребенка.
Вместе с тем авторы выделяют несколько препятствий для широкого внедрения ИИ в помощь людям с РАС. Алгоритмы, обученные на ограниченных или нерепрезентативных выборках, могут хуже работать с пациентами, не представленными в исходных данных. Кроме того, непрозрачность решений ИИ затрудняет их клиническую проверку, а использование видеозаписей, голосовых и медицинских данных создает риски для конфиденциальности.
Разработкой новых инструментов для терапии РАС занимаются, в частности, специалисты Цифровой кафедры Первого МГМУ им. И.М. Сеченова. В университете создали прототип VR-тренажера для развития когнитивных функций у детей с таким расстройством – в нем реализованы несколько игровых модулей и интерфейс пользователя. Следующим шагом станет пилотное тестирование разработки среди детей с РАС.
