由西北大学研究人员领导的一项新研究使用机器学习(人工智能的一个分支)来识别自闭症儿童的英语和粤语一致的语音模式，这表明语音特征可能是诊断自闭症的有用工具。

研究人员认为，他们的工作可以提供一种工具，有朝一日可能会超越文化，因为计算机能够分析单词和声音，而不管语言如何定量。EmilyWade在Unsplash上的插图，免费许可

该研究与香港的合作者共同开展，得出的见解可以帮助科学家区分影响自闭症患者沟通能力的遗传和环境因素，有可能帮助他们更多地了解自闭症的起源并开发新疗法。

自闭症儿童的说话速度通常比正常发育的儿童慢，并且在音高、语调和节奏方面表现出其他差异。但这些差异(被研究人员称为“韵律差异”)出人意料地难以以一致、客观的方式来描述，而且它们的起源几十年来一直不清楚。

然而，由西北科学家MollyLosh和JosephCYLau领导的一组研究人员，以及驻香港的合作者PatrickWong和他的团队，成功地使用监督机器学习来识别与自闭症相关的语言差异。

用于训练算法的数据是讲英语和粤语的患有自闭症和没有自闭症的年轻人的录音，他们讲述了一本名为“青蛙，你在哪里?”的无字儿童绘本中描述的故事版本。结果发表在《公共科学图书馆一号》杂志上。

“当你的语言在结构上如此不同时，两种语言在自闭症中看到的任何语言模式的相似之处都可能是受自闭症遗传易感性强烈影响的特征，”JoAnnG.的Losh说。PeterF.Dolle西北大学学习障碍教授。“但同样有趣的是我们观察到的可变性，这可能表明语音特征更具延展性，并且可能是干预的良好目标。”

刘补充说，使用机器学习来识别预测自闭症的关键语音元素代表着研究人员向前迈出了重要一步，这些研究人员在自闭症研究中受到英语偏见和人类主观性的限制，在分类语言差异方面患有自闭症的人和没有自闭症的人。

“使用这种方法，我们能够识别出可以预测自闭症诊断的语音特征，”在西北大学传播科学与障碍系Roxelyn和RichardPepper与Losh合作的博士后研究员Lau说。“这些特征中最突出的是节奏。我们希望这项研究可以成为未来利用机器学习研究自闭症的基础。”

研究人员认为，他们的工作有可能有助于提高对自闭症的理解。刘说，人工智能有可能通过帮助减轻医疗保健专业人员的负担，使更多人能够获得自闭症诊断，从而使诊断自闭症变得更加容易。它还可以提供一种工具，有朝一日可能会超越文化，因为计算机能够定量分析单词和声音，而不管语言如何。

由于通过机器学习识别的语音特征既包括英语和粤语的共同特征，也包括一种语言特有的特征，Losh说，机器学习可用于开发工具，这些工具不仅可以识别适合治疗干预的语音方面，还可以测量通过评估演讲者随时间的进展来评估这些干预措施的有效性。

作者说，最后，该研究的结果可以为识别和理解与自闭症遗传易感性有关的特定基因和大脑处理机制的作用提供信息。最终，他们的目标是更全面地了解影响自闭症患者言语差异的因素。

“一个大脑网络参与皮层下水平的听觉通路，这与自闭症个体与通常跨文化发育的个体在大脑中语音处理方式的差异密切相关，”刘说。“下一步将是确定大脑中的这些处理差异是否会导致我们在这里观察到的行为语言模式及其潜在的神经遗传学。我们对即将发生的事情感到兴奋。”