Spettroscopia Funzionale nel Vicino Infrarosso combinata con Apprendimento Automatico per la Classificazione Esplorativa del Disturbo dello Spettro Autistico in Bambini Piccoli
Titolo originaleFunctional Near-Infrared Spectroscopy Combined with Machine Learning for Exploratory Classification of Autism Spectrum Disorder in Young Children.
Journal of visualized experiments : JoVE · 2026
Sintesi in italiano
Lo studio esplorativo ha mirato a valutare l'efficacia di caratteristiche derivate dalla spettroscopia funzionale nel vicino infrarosso (fNIRS) combinate con algoritmi di apprendimento automatico per classificare bambini di 2-6 anni con disturbo dello spettro autistico (ASD) rispetto a bambini con sviluppo tipico (TD). Sono stati analizzati due set di dati basati su paradigmi di stimoli diversi e composti rispettivamente da 60 e 58 partecipanti. Le caratteristiche utilizzate per la classificazione erano valori di attivazione β estratti da otto canali. I dati sono stati sottoposti a leave-one-out cross-validation con normalizzazione e analisi delle componenti principali. Sette classificatori sono stati testati con misure di accuratezza, specificità, sensibilità e area sotto la curva (AUC), accompagnati da test di permutazione per valutare la significatività statistica. Nel primo paradigma, il classificatore K-nearest neighbors ha ottenuto l'accuratezza più alta (0.567) e l'albero decisionale la miglior AUC (0.582). Nel secondo paradigma, alcune metriche sono risultate migliori, ma nessun classificatore ha superato significativamente la casualità. Lo studio dimostra la fattibilità tecnica della raccolta e analisi dei dati fNIRS basati su compiti, ma non ha evidenziato un valore diagnostico indipendente rispetto a parametri demografici quali età e sesso. Sono necessari studi con coorti più ampie e bilanciate per validare i risultati. Complessivamente, le prestazioni di classificazione sono state modeste senza significatività statistica nei test di permutazione.
Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.
Abstract e pubblicazione originale
L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.
Leggi nella fonte originale ↗Parole chiave
Come citare questo studio
Ziyun Zhou, Lili Zhang, Shuqing Zhou, Yanru Guo, Huanxi Lin, Xin Zhang, Meiling Tong. (2026). Functional Near-Infrared Spectroscopy Combined with Machine Learning for Exploratory Classification of Autism Spectrum Disorder in Young Children.. Journal of visualized experiments : JoVE. DOI: 10.3791/72520
Consulta la pubblicazione originale ↗