用于基于证据的自闭症谱系障碍筛查的多模态大语言模型

自闭症谱系障碍（ASD）的临床管理在早期筛查方面面临瓶颈，主要是因为训练有素的专家稀缺，而传统的评估工具具有主观性。在这里，我们介绍 ASDchat，这是一种多模态大语言模型，专为基于证据的 ASD 筛查而设计，它以视频、音频和对话作为输入。 ASDchat 采用双分支架构，其中决策分支生成筛选概率，证据分支生成符合标准化临床标准 (ADOS-2) 的可追踪、带时间戳的行为证据。该模型在来自中国 27 个地点的 1,035 名参与者的数据集上进行了训练和评估，其中涵盖了典型发育 (TD) 儿童、患有自闭症谱系障碍 (ASD) 的儿童以及患有其他疾病的儿童。对于 ASD 与 TD，ASDchat 的受试者工作特征曲线 (AUC) 下面积为 0.953 $\pm$ 0.021。在 9 个未用于训练的保留站点上，平均 AUC 为 0.932。此外，行为维度的无监督聚类将 ASD 病例分为具有不同表型特征的六种亚型，ASDchat 建议对每种亚型进行干预。 ASDchat 为临床实践中大规模、循证的早期 ASD 筛查提供了可行的途径。