Sundhedsvæsen

HKUST udvikler en AI-agent til autismescreening og familiestøtte

mm
Føj Unite.AI til dine foretrukne kilder på Google

Den 11. november 2026 offentliggjorde Hongkong Universitet for Videnskab og Teknologi (HKUST) ASD Super Agent, en AI-platform til autismescreening og familiestøtte med en foreløbig AUC-score på 0,92, som er et mål for modellens evne til at skelne mellem grupper. Yderligere kliniske undersøgelser og validering i den virkelige verden er planlagt, før platformen tages i brug.

Platformen kombinerer tidlig risikoscreening, personligt tilpassede anbefalinger til indsatser og løbende opfølgning for forældre og omsorgspersoner. HKUST beskriver den som Asiens første integrerede AI-platform til støtte ved autisme.

Ifølge HKUST berører autismespektrumforstyrrelser omkring ét ud af 100 børn på verdensplan, mens lange ventetider på udredning, høje behandlingsomkostninger og spredt information om indsatser kan forhindre familier i at få hjælp i tide. Platformen skal støtte familier fra den indledende risikovurdering til anbefalinger om træning i hjemmet og opfølgning på længere sigt.

Projektet ledes af Kani Chen, professor ved HKUST’s Institut for Matematik og Institut for Industriel Ingeniørvidenskab og Beslutningsanalyse. Under udviklingen besøgte teamet specialpædagogiske institutioner, centre for børns udvikling og psykiatriske hospitaler i Hongkong, Greater Bay Area og Beijing og talte med næsten 500 forældre til børn med autisme. Forskerne brugte dette arbejde til at udvikle et praktisk støtteværktøj med udgangspunkt i de vanskeligheder, familierne beskrev.

Videoer fra hjemmet understøtter tidlig risikoscreening

Forældre kan optage korte videoer af barnets dagligdags aktiviteter med en smartphone eller en anden smartenhed, udfylde standardiserede spørgeskemaer og give grundlæggende oplysninger om barnets udvikling. ASD Super Agent bruger oplysningerne til at udarbejde en risikovurdering og en analyserapport. Rapporten er tænkt som et referencegrundlag, når familien søger en faglig vurdering, ikke som en erstatning for den.

Privatlivsdesignet følger et princip om dataminimering. Det prioriterer at udtrække oplysninger om kropsholdning på brugerens enhed og behandler kun de oplysninger, der beskrives som nødvendige for analysen. Det er en vigtig overvejelse, fordi screeningsmaterialet omfatter videoer fra hjemmet og oplysninger om børns udvikling.

Personligt tilpassede indsatser og faglig viden

Forældre kan beskrive udfordringer som vanskeligheder med følelsesregulering, begrænset øjenkontakt, kommunikationsvanskeligheder eller gentagen adfærd og få personligt tilpassede forslag til støtte. Anbefalingerne kan omfatte forskningslitteratur og baggrundsreferencer, der kan danne grundlag for samtaler med sundheds- eller uddannelsesfaglige personer.

Platformens 20+1-ramme omfatter mere end 20 modeller for autismetiltag og giver terapeuter, specialundervisere og organisationer mulighed for at føje egne metoder og praktiske erfaringer til vidensbasen. Blandt de navngivne tilgange er anvendt adfærdsanalyse, naturalistiske udviklings- og adfærdsinterventioner, struktureret undervisning efter TEACCH-metoden og den lokaliserede BSR-model.

Denne struktur forener forskningsbaserede metoder med praktisk erfaring fra fagfolk i frontlinjen. Den giver også fagfolk mulighed for at bidrage med deres egen viden om indsatser, så systemet ikke begrænses til de modeller, det oprindeligt blev udstyret med.

Opfølgningsprofiler og en forskningsdatabase

Som led i den løbende støtte samler systemet tekstoptegnelser, videovurderinger og oplysninger om udviklingen fra familier og fagfolk i en dynamisk udviklingsprofil for hvert barn. Det kan opdele langsigtede mål i overskuelige daglige handlinger, følge udviklingen over tid og understøtte samtaler mellem familier og fagfolk. Det er i øjeblikket muligt at bruge stemmefunktionerne på kantonesisk, putonghua og engelsk.

Teamet har også opbygget en multimodal autismedatabase med mere end 1,1 millioner video-, kropsholdnings- og adfærdsregistreringer. Ifølge HKUST danner databasen grundlag for udvikling af AI-modeller og autismeforskning. Fortsat indsamling og analyse af data skal bidrage til at forbedre nøjagtigheden af risikovurderinger, finjustere anbefalinger til indsatser og øge forståelsen af autismens udvikling og støttestrategier.

Forskerne planlægger at forbedre brugeroplevelsen, udvide de kliniske valideringsstudier og styrke systemets ydeevne med det mål at gøre støtte ved autisme mere tilgængelig i Hongkong, Greater Bay Area og andre steder. Det centrale spørgsmål i næste fase er, om kliniske forsøg og afprøvning i den virkelige verden kan bekræfte det foreløbige screeningsresultat og platformens integrerede tilgang til familiestøtte.

Lila Rowan er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker krydsfeltet mellem kunstig intelligens, sundhedsvæsen og mental sundhed. Hendes arbejde fokuserer på, hvordan AI-drevne værktøjer forbedrer diagnostik, udvider adgangen til sundhedsydelser og understøtter mentale sundhedsydelser på måder, der supplerer - ikke erstatter - menneskelige kliniske eksperter.
Med et medfølende og evidensbaseret perspektiv undersøger Lila kliniske studier, virkelige implementeringer og fremvoksende sundhedsteknologier fra et humanistisk perspektiv. Hun er særligt interesseret i AI-anvendelser, der reducerer barrierer for adgang til sundhedsydelser, forbedrer tidlig opdagelse og understøtter mental velvære, samtidig med at de respekterer patienternes privatliv, sikkerhed og etiske standarder.
Artikler skrevet af Lila Rowan er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, følsomhed og ansvarlig rapportering om sundheds- og mental sundheds-teknologier.