AI-baserade verktyg har potential att bidra till b\u00e4ttre st\u00f6d<\/p>\n
Forskarna utvecklade \u00e4ven en maskininl\u00e4rningsmodell som, utifr\u00e5n kliniska och genetiska uppgifter kunde uppskatta sannolikheten f\u00f6r autism hos f\u00f6r tidigt f\u00f6dda barn redan vid eller strax efter f\u00f6dseln.
\u2013 AI-verktyg har stor potential f\u00f6r att f\u00f6ruts\u00e4ga olika tillst\u00e5nd inom v\u00e5rden, men det handlar inte om att s\u00e4tta definitiva etiketter, utan om att ge barn de b\u00e4sta f\u00f6ruts\u00e4ttningarna f\u00f6r tidigt st\u00f6d, s\u00e4ger Yali Zhang. V\u00e5r studie tyder p\u00e5 att prematuritet, i kombination med genetisk bakgrund kan motivera t\u00e4tare uppf\u00f6ljning och anpassad v\u00e5rd.<\/p>\n
Forskargruppen ser nu fram emot att validera resultaten i st\u00f6rre, populationsbaserade kohorter med genetiska och l\u00e5ngsiktiga h\u00e4lsodata, samt hoppas kunna vidareutveckla tidiga screeningsverktyg f\u00f6r prematura barn i klinisk v\u00e5rd.<\/p>\n
\u00a0<\/p>\n
Till artikeln<\/p>\n