基于随机森林算法构建孤独症谱系障碍儿童辅助诊断模型

目的 利用随机森林算法构建孤独症谱系障碍(autism spectrum disorder,ASD)儿童快速辅助诊断模型,有助于ASD儿童的早期发现、早期诊断,减轻临床诊断及评估压力.方法 采用机器学习中随机森林算法,应用社交反应量表(SRS)及文兰适应行为量表(VABS)对黑龙江省346名ASD儿童和90名健康儿童进行评估,并基于量表数据以及儿童基础信息构建预测模型,运用ROC曲线及准确率等指标评价模型拟合效果.结果 得到的随机森林预测模型中,13个特征因素模型以及7个特征因素的预测模型准确率均达到0.9以上、灵敏度最高达到0.927,特异度最高达到0.936,AUC值为0.979;以年龄为筛选条件的模型准确率达到0.943,灵敏度达到0.959,特异度达到0.931,AUC值为0.978.3个模型的拟合和泛化效果都较为理想.结论 采用社交及适应能力水平指标构建的随机森林模型可以较为精确辅助开展ASD的诊断,为开发快速筛查和诊断的辅助工具提供了科学依据.