儿童ASD严重度预测模型

语言里程碑精准分层

基于随机森林模型，利用儿童特定语言里程碑预测自闭症谱系障碍严重程度，辅助早期分层与干预规划。

Xiong, Haiyi · Liu, Xiao · Yang, Ting · Chen, Jinjin · 陈洁 · 李廷玉

Child and Adolescent Psychiatry and Mental Health 2025

参数信息

AUC（4岁以下组）

0.81

AUC（4岁及以上组）

0.85

样本量

574

语言里程碑条目数

33

重要预测因子数（<4岁组）

14

重要预测因子数（≥4岁组）

16

AUC标准差（<4岁组）

0.01

技术优势

预测早且稳

模型以客观语言里程碑为输入，可在正式诊断前对严重程度进行分层，且性能经自举验证稳定可靠。

特征可解释

Boruta算法识别出14和16个关键预测因子，如“指认1张图片”“用语言表达需求”，使临床医生能聚焦于少数高价值里程碑。

应用场景

• 自闭症筛查与评估：用语言里程碑在初筛后快速分层严重度，填补诊断延迟窗口。
• 儿童发育监测：监测特定语言能力即可预测ASD风险，无需等待全面发育评估。
• 临床决策支持系统：模型可嵌入电子病历系统，输入语言条目即输出严重度风险。