ИИ учится видеть поведение так, как его видит специалист
Диагностика расстройств аутистического спектра по-прежнему в значительной степени основана на наблюдении за поведением ребенка. Специалист оценивает, как ребенок общается, реагирует на окружающих, играет, использует жесты и речь, а также присутствуют ли у него повторяющиеся или стереотипные действия.
К последним относятся, например, взмахи руками, вращение, раскачивание, повторяющиеся движения тела или головы. Такие действия сами по себе, конечно, не означают, что у ребенка аутизм: подобное поведение может встречаться и у детей без РАС. Но характер и сочетание поведенческих признаков имеют значение при диагностике.
Наблюдение специалиста при этом занимает время и зависит от опыта человека, который проводит обследование. Кроме того, ребенок может вести себя иначе в кабинете врача, чем дома, в школе или на игровой площадке.
Как же оптимизировать и ускорить процесс постановки диагноза?
Авторы исследования предлагают использовать для этого искусственный интеллект. Их идея достаточно проста: дать алгоритму видеозаписи поведения детей и научить его распознавать определенные повторяющиеся действия. В перспективе такая система могла бы стать дополнительным инструментом для специалистов — не заменяя диагностику человеком, а помогая быстрее обнаруживать признаки, на которые стоит обратить внимание.
Ранее подобные попытки уже предпринимались. Компьютерные системы учились распознавать отдельные движения человека по видеозаписи. Но для аутизма есть дополнительная сложность: речь идет не просто о распознавании человека, который поднял руку или повернул голову. Важно учитывать движение во времени. Например, одно короткое движение рукой и многократное ритмичное взмахивание руками — совершенно разные вещи.
Авторы использовали методы так называемого глубокого обучения, которые способны анализировать одновременно две характеристики видеозаписи: чтопроисходит в каждом кадре и как это действие от кадра к кадру меняется.
Для исследования они взяли открытый набор видеоданных SSBD — Self-Stimulatory Behavior Dataset, созданный учеными Института биоинформатики и прикладной биотехналогии (Institute of Bioinformatics & Applied Biotechnology) Бенгалуру (Индия). В нем представлены видеозаписи детей в естественных, неструктурированных ситуациях. Это важно: речь идет не о тщательно поставленном медицинском эксперименте, где ребенок выполняет заранее заданные действия, а о поведении, возникающем в более обычной обстановке.
Исследователи хотели проверить не способность компьютера распознавать идеально снятый жест, а его способность справляться с реальным, достаточно хаотичным видео.
Сначала видео пришлось подготовить. Уже имеющиеся изображения немного изменили, чтобы система не запоминала конкретные картинки, на которых ее обучали, а училась находить общие закономерности.
Авторы не ограничились одной системой. Они проверили несколько вариантов алгоритмов глубокого обучения. Компьютер должен был не только ответить на вопрос «что находится в этом кадре?», но и понять: «что происходило несколько секунд назад и как одно движение перешло в другое?»
Предложенная авторами модель показала лучшие результаты среди протестированных вариантов. Ее точность составила примерно 92,8–92,9%, то есть примерно в девяти случаях из десяти система правильно классифицировала наблюдаемое поведение. Но здесь важно понимать: 92,9% точности не означает, что искусственный интеллект умеет диагностировать аутизм с точностью 92,9%. Исследование проверяло прежде всего способность алгоритма распознавать определенные поведенческие паттерны на видео. А диагноз РАС значительно сложнее: он основывается на целой совокупности особенностей социального взаимодействия, коммуникации, поведения и развития ребенка.
Правильнее сказать так: компьютер научился достаточно хорошо распознавать определенные движения, которые могут иметь значение при оценке аутизма. Это потенциально может стать частью диагностического инструментария, но не самостоятельным диагностическим тестом.
Авторы видят несколько возможных применений такой технологии.
Во-первых, она может помогать специалистам быстрее отслеживать поведенческие особенности ребенка. Если видеозапись автоматически анализируется, врачу или другому специалисту не обязательно просматривать ее целиком в поисках отдельных эпизодов.
Во-вторых, подобная система потенциально может использоваться для наблюдения за поведением в естественной обстановке. Это особенно интересно, потому что поведение ребенка в кабинете специалиста не всегда отражает то, что происходит в повседневной жизни.
В-третьих, автоматический анализ может быть полезен для более длительного наблюдения. Например, вместо того чтобы оценить поведение ребенка в течение одного диагностического визита, теоретически можно анализировать множество видеозаписей и смотреть, как часто и в каких обстоятельствах возникает определенное поведение.
И наконец, такие технологии потенциально могут стать системами поддержки принятия решений. Именно так осторожно формулируют авторы: не «ИИ диагностирует аутизм», а компьютерная система может помогать клиницисту в скрининге и наблюдении.
Врач может увидеть сотни мелких деталей, причем часть из них имеет значение только в сочетании с другими. Машинное обучение потенциально позволяет анализировать такие данные в гораздо большем масштабе. Компьютер может отслеживать движения, их частоту, продолжительность, последовательность и контекст — то, что человеку трудно количественно оценить при обычном наблюдении.
И это хорошо вписывается в современное направление исследований аутизма: ученые постепенно пытаются уйти от исключительно субъективного описания поведения к измеряемым биологическим и поведенческим показателям, однако окончательно диагноз должен быть поставлен опытным клиницистом.
Jabbar U, Waseem Iqbal M, Nechifor A, Abaker M, Khairalseed MA, Antohi VM, Fortea C, Stefanescu CA. Deep learning based approach for Behavior classification in diagnoses of Autism Spectrum Disorder using naturalistic videos. Front Comput Neurosci. 2026 Mar 18;20:1626315. doi: 10.3389/fncom.2026.1626315. PMID: 41929585; PMCID: PMC13039029.