آیا می توان از هوش مصنوعی برای کمک به تشخیص زودهنگام اختلال طیف اوتیسم استفاده کرد؟ این سوالی است که محققان دانشگاه آرکانزاس سعی در پاسخ به آن دارند. اما آنها در حال اتخاذ یک روش غیرعادی هستند.
Han-Seok Seo، دانشیار با انتصاب مشترک در علوم غذایی و بخش کشاورزی سیستم UA، و Khoa Luu، استادیار علوم کامپیوتر و مهندسی کامپیوتر، نشانه‌های حسی از غذاهای مختلف را در کودکان عصبی و آنها شناسایی خواهند کرد. شناخته شده است که در طیف است. سپس از فناوری یادگیری ماشینی برای تجزیه و تحلیل داده‌های بیومتریک و واکنش‌های رفتاری به آن بوها و مزه‌ها به عنوان راهی برای تشخیص شاخص‌های اوتیسم استفاده می‌شود.
تعدادی از رفتارهای مرتبط با ASD وجود دارد، از جمله مشکلات در ارتباط، تعامل اجتماعی یا رفتارهای تکراری. افراد مبتلا به ASD همچنین برخی از رفتارهای غذایی غیرطبیعی از خود نشان می دهند، مانند اجتناب از برخی رفتارهای غذایی. اگر نه تعداد زیادی -؛ غذاها، الزامات خاص زمان صرف غذا و غذا خوردن غیر اجتماعی. اجتناب از غذا به ویژه نگران کننده است، زیرا می تواند منجر به تغذیه نامناسب از جمله کمبود ویتامین و مواد معدنی شود. با در نظر گرفتن این موضوع، این دو قصد دارند نشانه‌های حسی را از مواد غذایی شناسایی کنند که باعث ادراکات یا رفتارهای غیر معمول در حین مصرف می‌شوند. به عنوان مثال، بوهایی مانند نعناع، لیمو و میخک واکنش‌های قوی‌تری را در افراد مبتلا به ASD نسبت به بوهای بدون آن ایجاد می‌کنند و احتمالاً باعث افزایش سطح خشم، تعجب یا انزجار می‌شوند.
سئو در زمینه‌های علوم حسی، علوم اعصاب رفتاری، داده‌های بیومتریک و رفتار غذایی متخصص است. او این پروژه را سازماندهی و رهبری می کند، از جمله غربالگری و شناسایی نشانه های حسی خاصی که می تواند کودکان اوتیستیک را از کودکان غیر اوتیستیک از نظر ادراک و رفتار متمایز کند. لو یک متخصص در هوش مصنوعی با تخصص در پردازش سیگنال بیومتریک، یادگیری ماشین، یادگیری عمیق و بینایی کامپیوتر است. او الگوریتم‌های یادگیری ماشینی را برای تشخیص ASD در کودکان بر اساس الگوهای منحصر به فرد ادراک و رفتار در پاسخ به نمونه‌های آزمایشی خاص توسعه خواهد داد.