大数据方法被证明对评估自闭症治疗有效

研究有可能加速开发成功的医疗干预措施

伦斯勒理工学院的研究人员进行血液测试为了帮助诊断自闭症谱系障碍，他们已经成功地应用了他们独特的基于大数据的方法来评估可能的治疗方法。

研究结果最近发表在细胞神经科学前沿，有可能加速发展成功的医疗干预措施。评估自闭症治疗效果的挑战之一是如何衡量改善程度。目前，诊断和评估干预的成功在很大程度上依赖于专业人员和护理人员的观察。

伦斯勒生物医学工程系主任、系统生物学家于尔根·哈恩教授说:“有某种测量方法来测量体内发生的事情是非常重要的。”

哈恩和他的团队使用机器学习算法来分析复杂的数据集。这就是他之前如何发现自闭症儿童血液中某些代谢物的模式，这些模式可以用来成功地预测诊断。你可以看看哈恩是怎么说的在这里．

在最近的分析中，研究小组使用了来自三个不同临床试验的一组类似的测量数据，以检查潜在的代谢干预措施。研究人员能够比较治疗前后的数据，并寻找这些结果与观察到的适应性行为变化之间的相关性。

“我们在这里所做的表明，如果你积极地尝试改变正在测量的这些代谢物的浓度，那么你也会看到行为的变化，”哈恩说。

哈恩说，这种方法的独特之处在于，它同时分析了多种医学指标，揭示了如果单独调查每项测量结果，则无法在数据中看到的相关性。

他说:“它可以加快开发过程，因为你现在有了一个额外的工具，可以告诉你治疗的效果如何。”

哈恩希望这种方法在未来成为自闭症临床试验的重要组成部分。他说:“进行医学测试，测量与生理学直接相关的量是很重要的，我们希望它们能被纳入未来的试验中。”

哈恩是伦斯勒生物技术和跨学科研究中心的成员，他与伦斯勒的研究生特洛伊·瓦加森、本科生艾米丽·罗斯和生物医学工程系的实践教授乌维·克鲁格一起进行了这项研究。

除了发展和成功测试这是自闭症的第一个生理测试，在最近的工作中，哈恩还与同事合作，将他的方法应用于确定怀孕母亲的自闭症相对风险因为我的孩子患有自闭症谱系障碍。

-资料来源:伦斯勒理工学院