目前AI技术在自闭症（孤独症谱系障碍）早期筛查和辅助诊断中的应用已取得显著进展，其准确率因技术方案和适用年龄段不同而有所差异。以下是主要研究成果和应用的
1. 早期筛查准确率
StellarCare AI（中国福建研发）：通过多模态数据融合，对孤独症的诊断准确率约85%，适用于全链条智能化解决方案。
卡罗林斯卡学院模型（瑞典）：针对12个月至2岁儿童，基于医疗背景和简单行为指标（如首次微笑时间），准确率达80.5%。
“荧惑”系统（中国广东）：在1.5-4岁儿童中，通过虚拟场景交互游戏辅助诊断，临床验证准确率88%，部分案例甚至早于医生判断。
2. 技术特点与优势
多模态数据整合：多数AI模型结合行为观察、家长问卷、眼动追踪或脑影像数据，提升筛查客观性。例如，韩国研究通过视网膜照片分析实现100%准确率（但样本量仅900人，且限于7-8岁儿童）。
年龄覆盖差异：部分模型专攻低龄儿童（如12个月以下），而其他系统更适合2岁以上群体。例如，某AI大模型对2-4岁儿童准确率84.2%，但对4-10岁降至79.2%。
辅助而非替代：AI通常作为医生诊断的参考工具。例如Cognoa公司的FDA获批设备需结合家长问卷和临床医生评估，输出结果为“阳性/阴性/不确定”。
3. 局限性
数据依赖性：模型性能受训练数据量和多样性影响。例如，某研究对部分测试组准确率骤降至68%。
技术成熟度：高准确率研究多为实验室环境或小样本验证（如视网膜分析或脑MRI），大规模临床应用仍需优化。
AI医院测试自闭症的准确性总体较高（多数在80%-90%），尤其在早期筛查中优势明显，但仍需结合专业医生判断。家长可选择经临床验证的系统（如“荧惑”或Cognoa设备），并关注适用年龄和技术原理。
