Zusammenfassung

Heute wird laut den US-amerikanischen Centers for Disease Control and Prevention (CDC) [52] bei 1 von 36 Kindern eine Autismus-Spektrum-Störung (ASS) diagnostiziert, was diese Erkrankung zu einer der am weitesten verbreiteten neurologischen Entwicklungsstörungen macht. Bei Kindern im Autismus-Spektrum mit erheblichen Entwicklungsverzögerungen kann der kognitive Entwicklungsverlauf durch Interventionen deutlich verbessert werden, wenn die Erkrankung früh erkannt wird. Daher besteht ein dringender Bedarf an besser skalierbaren Screening- und Diagnosewerkzeugen sowie an einer verbesserten Phänotypisierung, um die Einschätzung von ASS-Symptomen bei Kindern zu verfeinern. Hier stellen wir AI4Autism vor: ein vierjähriges, vom Schweizerischen Nationalfonds gefördertes Projekt, das diesen Bedarf adressiert. In diesem Projekt untersuchen wir das Potenzial digitaler Sensorik, automatisierte Maße des erweiterten Autismus-Phänotyps zu liefern. Dies geschieht mit multimodalen Verfahren auf Basis von Computer Vision und Sensorik des Internets der Dinge mit dem Ziel, Autismus-Subtypen so zu stratifizieren, dass eine Präzisionsmedizin möglich wird. Wir geben einen Überblick über unsere bisherigen Hauptergebnisse, stellen Datensätze und Annotationen vor, die wir öffentlich zugänglich machen wollen, sowie Methoden und Algorithmen zur Analyse des Verhaltens von Kindern und zur Erstellung einer ASS-Diagnose.