Найти лес среди деревьев: использование машинного обучения и онлайн‑мероприятий по когнитивным и перцептивным функциям для прогнозирования диагноза аутизма у взрослых

Почему трудно распознать аутизм у взрослых

Многие взрослые с аутизмом ждут годы, а иногда десятилетия, прежде чем получают диагноз — отчасти потому, что инструменты, используемые для выявления аутизма у взрослых, слишком грубые. Короткие анкеты и интервью могут не заметить людей, которые научились «вливаться» в общество, и они подвержены смещению и догадкам. В этом исследовании ставится вопрос, может ли другой подход — объективные онлайн‑тесты восприятия и мышления в сочетании с современным машинным обучением — более точно выявлять тех, кто, вероятно, аутичен, и делать это в форме, пригодной для массового применения через интернет.

От простых викторин к богатым цифровым следам

Традиционный скрининг аутизма у взрослых в значительной степени опирается на самоотчётные формы, где спрашивают о привычках, предпочтениях и социальных переживаниях. Это может быть полезно, но такие данные зависят от самосознания человека и культурных ожиданий. Авторы статьи пошли другим путём. Они повторно использовали данные из ранее проведённых онлайн‑экспериментов, в которых сотни аутичных и неаутичных голландских взрослых проходили набор компьютерных заданий. Эти задания затрагивали три области, которые часто отличаются при аутизме: как люди объединяют зрительные и звуковые стимулы, как они распознают эмоции по лицам и голосу, а также как планируют, переключаются и подавляют действия — то, что обычно объединяют под понятием исполнительных функций.

Измерение того, как люди видят, чувствуют и думают

В рамках этих исследований участники смотрели и слушали короткие фрагменты, определяли эмоции по фотографиям лиц или по тембру голоса и выполняли классические игры на время реакции, требующие либо быстрой реакции, либо сознательного сдерживания. Вместо того чтобы учитывать лишь правильность ответов, исследователи извлекли 54 подробные характеристики, описывающие поведение каждого человека. Среди них — скорость реакции, изменения точности с течением времени, типы ошибок и стабильность выполнения заданий между попытками. Также были включены возраст и пол, чтобы справедливо учесть их известное влияние на эти способности.

Дать машинному обучению найти закономерности

Чтобы разобраться в этих многомерных данных, команда использовала популярный метод машинного обучения — случайный лес, который строит множество деревьев решений и объединяет их голоса. Модель обучали отличать аутичных и неаутичных взрослых, а затем проверяли, насколько хорошо она классифицирует новых людей, которых ранее не видела. Даже когда группы были тщательно сопоставлены по возрасту и полу — что усложняло задачу — модель, опираясь только на измерения по поведению в задачах, правильно определяла аутизм примерно в трёх из четырёх случаев. Когда исследователи добавили ещё один ингредиент — общий балл широко используемой анкеты на аутизм — точность комбинированной модели выросла примерно до 92 процентов, с небольшим количеством пропущенных случаев и ложных срабатываний.

Скрытые подсказки в том, как выполняются задания

Интересно, что успех модели не опирался исключительно на самые очевидные групповые различия. Время реакции, особенно в задачах на распознавание эмоций, вносило существенный вклад, подтверждая ранние работы, показывающие, что взрослые с аутизмом часто точно распознают эмоции, но медленнее. Однако алгоритм также нашёл полезную информацию в показателях, которые по‑отдельности не отличались существенно между группами при усреднении обычными методами. К ним относились специфические типы ошибок в задачах на ингибицию и рабочую память и тонкие колебания производительности с течением времени. Иными словами, различия, связанные с аутизмом, проявлялись в созвездии взаимодействующих признаков, а не в каком‑то одном выраженном дефиците, что подчёркивает: важен «ритм» поведения, а не отдельная «нота».

К более быстрым и справедливым поддержкам для взрослых

Для обычного читателя ключевая мысль такова: короткие объективные онлайн‑задания в сочетании с интеллектуальной обработкой вместе с существующими анкетами могут дать гораздо более чёткое представление о том, кто, вероятно, аутичен, чем одни анкеты. Исследование показывает, что машинное обучение может выявлять надёжные закономерности в том, как взрослые видят, чувствуют и думают, даже когда традиционная статистика фиксирует лишь небольшие различия. Хотя такие инструменты не могут и не должны заменять полноценную клиническую оценку, они могут помочь приоритизировать взрослых для своевременной диагностики, сократить зависимость от смещённого самоотчёта и предоставить клиницистам более богатый профиль когнитивных сильных сторон и проблем. При дальнейшем совершенствовании и проверке на более разнообразных группах такой доступный интернет‑скрининг мог бы стать важным подспорьем в сокращении длинных очередей и в более раннем предоставлении помощи взрослым с аутизмом.

Цитирование: Van der Burg, E., Jertberg, R.M., Geurts, H.M. et al. Finding the forest in the trees: Using machine learning and online cognitive and perceptual measures to predict adult autism diagnosis. Transl Psychiatry 16, 129 (2026). https://doi.org/10.1038/s41398-026-03823-y

Ключевые слова: диагностика аутизма у взрослых, машинное обучение, онлайн‑когнитивное тестирование, распознавание эмоций, исполнительные функции