Wiele osób w spektrum autyzmu otrzymuje diagnozę z dużym opóźnieniem. Jako sposób usprawnienia tego procesu proponuje się wykorzystanie sztucznej inteligencji, a konkretnie algorytmów uczenia maszynowego (machine learning).
Spektrum autyzmu to całościowe zaburzenie rozwojowe dotykające różnych aspektów życia, przede wszystkim w sferze społecznego funkcjonowania. Pierwsze oznaki zaburzenia mogą być obserwowane już na wczesnym etapie życia, a im wcześniejsza diagnoza i odpowiednio dostosowane interwencje terapeutyczne, tym większa szansa na adaptację i zminimalizowanie negatywnych skutków atypowego rozwoju.
Jednak ze względu na brak uniwersalnych oznak zaburzenia oraz czasochłonność procesu diagnozy wiele osób w spektrum otrzymuje diagnozę z dużym opóźnieniem. Jako sposób usprawnienia tego procesu proponuje się wykorzystanie algorytmów uczenia maszynowego (ML, ang. machine learning) do analizy danych klinicznych i obiektywizacji obserwacyjnych metod diagnozy. Badacze argumentują, że sztuczna inteligencja może wychwycić wzorce w danych, które umykają ludzkiemu oku, i przyczynić się do wcześniejszego kontaktu ze specjalistą.
Oczywiście, jak bywa z każdą technologią, wykorzystanie algorytmów niesie ze sobą również zagrożenia. Aby spełniały one swoje zadanie, muszą przeanalizować dużą, odpowiednio skonstruowaną bazę danych. To zaś napotyka problemy związane z pozyskiwaniem oraz jakością materiałów, a także z ochroną prywatności danych.
Dodatkowo modele ML są trudne do zrozumienia i interpretacji, a błąd w algorytmach może pozostać niezauważony przez specjalistów i skutkować błędnymi diagnozami. Dlatego tak ważna jest współpraca i otwarty dialog między klinicystami oraz specjalistami sztucznej inteligencji. W Polsce metody wykorzystujące ją w diagnozie autyzmu wdrażają w życie psycholożka Anna Anzulewicz oraz informatyk Krzysztof Sobota.