ИИ заменит часть тестов для диагностики аутизма у детей

Специалисты Самарского государственного медицинского университета (СамГМУ) опубликовали в журнале «Реабилитология» обзор, который показывает: алгоритмы машинного обучения способны заменить часть традиционных инструментов диагностики расстройства аутистического спектра (РАС) без потери точности. 20 октября 2026 года обзор разобрал Vademecum — один из ключевых отраслевых медиа о здравоохранении в России.

Что показало исследование

Сейчас диагностика РАС строится на длинных наблюдательных шкалах — в первую очередь ADOS (Autism Diagnostic Observation Schedule) и ADI-R, которые должен провести обученный клиницист. Авторы обзора показали, что нейросети позволяют сократить число пунктов ADOS с 28 до 7–12 — при этом чувствительность теста остаётся на уровне 96–100%, а специфичность — 87–99%. Отдельные алгоритмы анализируют мимику, движения, направление взгляда и акустические характеристики речи ребёнка: точность классификации РАС по видео- и аудиоданным в разобранных работах достигает 98%, а по движениям глаз — 88,5%.

Зачем это частным клиникам уже сейчас

Раннюю диагностику РАС в России сдерживает не отсутствие шкал, а их длительность и дефицит специалистов, которые умеют их корректно применять — особенно в регионах. Если скоринговая часть теста переносится в алгоритм, а врач включается на этапе интерпретации и финального заключения, первичный приём можно провести быстрее и предложить его в большем количестве клиник, а не только в профильных центрах.

Что нужно технически

• Структурированный ввод данных осмотра. Чтобы алгоритм мог посчитать сокращённую шкалу, ответы врача и наблюдения должны попадать в МИС в виде структурированных полей, а не свободного текста в карточке.
• Видео- и аудиофиксация приёма с согласием родителей. Анализ мимики, взгляда и речи требует отдельного модуля записи и хранения медиаданных ребёнка с юридически корректным согласием законного представителя.
• Прозрачное заключение, а не «чёрный ящик». Результат скоринга должен показывать врачу, на основе каких пунктов шкалы сделан вывод, иначе заключение нельзя использовать как часть медицинской документации.

Для частной клиники это не готовый продукт «из коробки», а отдельная интеграционная задача: собрать протокол осмотра, подключить модель скоринга и завести результат в МИС так, чтобы он был частью истории пациента, а не отдельным PDF-файлом. Такие проекты — от прототипа скоринговой модели до её встраивания в рабочий процесс приёма — мы обычно ведём как разработку приложения для телемедицины, когда дистанционный скрининг и очный приём работают в одной системе.