在南昆士兰大学，Raj Gururajan教授参与的国际研究团队正在开创一项前所未有的工作：他们正在开发一种能够通过大脑信号和神经模式来诊断孤独症谱系障碍（ASD）的人工智能系统。
这一研究的进展令人振奋。研究人员能够从儿童的大脑活动中采集脑电图（EEG）记录，并据此构建一个独特的ASD分类模型。在澳大利亚，每160名儿童中就有一名患有自闭症，总数超过15万人。对于这样一个庞大的群体，早期诊断显得尤为重要，它能为尽早的干预和治疗提供关键的信息。
Gururajan教授是信息系统领域的专家，特别是在卫生信息方面有着深入的研究。他表示，“这个系统能够极大地改善患者的治疗效果。如果能在早期就发现并诊断出儿童自闭症，父母就能尽早决定治疗和支持方案，这对孩子的成长和发展至关重要。”
这项研究发表在《复杂与智能系统》期刊上，详细阐述了他们从两组年龄在4至13岁儿童的大脑信号（EEG）中检测到的18个非线性显著特性。其中一组为40名已确诊的自闭症儿童，另一组则是37名未诊断出神经发育障碍的儿童。研究人员发现了三种突出的特性，可以有效地预测自闭症的发病。
接下来，研究的重点将放在通过更多的数据和测试来优化数据模型上，最终目标是构建一个云端数据系统，通过一次大脑扫描就能自动检测ASD。“我们真正需要的是一种自动化诊断手段来帮助医疗人员，尤其是那些缺乏经验的临床医生。”Gururajan教授说。
未来的系统将通过云端处理大脑扫描数据。云端的数据系统将通过人工智能进行分析，迅速将脑电信号（EEG）分为两类：ASD和非ASD。这不仅能更快速地诊断出自闭症，还能为其他神经疾病的诊断提供帮助，如注意力缺陷多动障碍和癫痫等。Gururajan教授补充道，“将数据存储在云端意味着我们可以更灵活地运用这些数据，为更多的疾病诊断提供帮助。”
这项研究不仅为自闭症患者带来了希望，也为未来的医疗技术发展开辟了新的道路。通过人工智能和云计算的结合，我们有望在未来实现更快速、更准确的疾病诊断，为患者的治疗提供更有力的支持。
