《神經病學前沿》（Frontiers in Neurology）中詳細介紹了一種新的基于機器學習的系統，該系統 可以快速且經濟高效地篩查兒童的胎兒酒精譜系障礙（FASD）。該系統是由南加州大學，安大略省女王大學和杜克大學的研究人員開發的，全球偏遠地區的兒童都可以使用該系統。

FASD是一組與懷孕期間飲酒有關的條件。患有FASD的兒童會出現異常的外觀，身高矮，體重低，協調能力差，行為問題和感官受損。

“胎兒酒精頻譜失調（FASD）是發育障礙和神經行為缺陷的最常見原因之一，”第一作者，美國南加州大學神經科學研究生課程的博士候選人Chen Zhang和同事寫道。“盡管FASD的患病率很高，但由于臨床能力有限，目前的診斷過程具有挑戰性，并且既費時又費錢，而且神經認知和神經行為障礙的特征報告不足。”

研究人員指出，目前尚無血液測試可診斷FASD。傳統的診斷方法是主觀的，需要進行各種測試和臨床評估，因此成本很高。兒童大腦健康網絡的共同研究者詹姆斯·雷諾茲（James N. Reynolds）博士指出，FASD是一個“重大的公共衛生問題”，在美國和加拿大，每年的費用可能在22，000美元至24，000美元之間。

研究人員試圖開發一種機器學習方法，該方法可以篩選出46名表現出FASD的兒童。他們確定了一種篩查工具可能能夠覆蓋更多處于患病風險的兒童。

該工具使用攝像頭和計算機視覺來記錄FASD兒童的眼睛運動，同時觀看多個一分鐘的視頻，并觀察他們朝向或遠離特定對象的情況。研究人員將這些眼動與對照組的眼動進行了比較。眼動“超出常態”的兒童被確定為有可能患FASD。此外，研究人員還利用了tests體的心理測驗和神經影像技術，which體橋接了大腦的左右兩側。

張在準備好的聲明中說：“新的檢查程序僅涉及照相機和計算機屏幕，并且可以應用于很小的孩子。” “只需要10到20分鐘，在大多數情況下，費用應該是可以承受的。背后的機器學習流程可以在幾分鐘內給出客觀一致的估計。”

總體而言，研究人員發現他們的方法由三個眼動任務組成，心理測驗花了一個半小時才能完成，平均靈敏度為82%，平均特異性為88%，準確率為85%。

聲明說，這種機器學習方法可以提供重要的反饋，因此父母可以從專業人士那里獲得幫助，而受FASD影響的孩子可以接受早期的認知和行為干預。

研究人員指出：“這種篩查程序可廣泛用于跨地區和跨地區常規看望幼兒的診所，學校或衛生部門，從而促進跨學科交流。”