기계 학습(ML) 기술이 자폐 스펙트럼 장애(ASD)의 진단과 치료 분야에서 새로운 가능성을 제시하고 있습니다. 최근 발표된 체계적 문헌 검토(systematic review)에 따르면, AI는 ASD의 복잡한 특성을 이해하고 조기에 진단하며, 개인에게 최적화된 치료법을 찾는 데 기여할 잠재력이 큽니다. 이는 ASD의 원인이 아직 불분명한 상황에서 관련 특징과 숨겨진 상관관계를 파악하는 데 결정적인 역할을 할 수 있습니다.
해당 연구는 2017년부터 2023년까지 발표된 55개 자폐 관련 기계 학습 연구를 분석했습니다. 그 결과, 대부분의 연구에서 지도 학습(supervised learning) 방식이 진단 요구사항과 잘 맞아 주로 사용되었음을 확인했습니다. 하지만 데이터 가용성이 높아지면서 딥러닝(deep learning)의 역할이 점차 확대되고 있으며, 비지도 학습(unsupervised learning), 딥러닝, 퍼지 논리(fuzzy logic) 등을 결합한 하이브리드(hybrid) 방식의 등장이 주목할 만한 미래 트렌드로 제시되었습니다. 특히 유전 정보나 임상 정보 같은 복합적인 데이터를 통합하여 진단 정확도와 치료 결과를 개선할 수 있는 모델 개발이 핵심 과제로 강조되었습니다.
이러한 기계 학습의 발전은 자폐 스펙트럼 장애를 가진 개인과 그 가족에게 더 나은 삶의 질을 제공할 수 있는 중요한 전환점이 될 수 있습니다. 웨어러블 기기(wearable devices)나 생체 인식 센서(biometric sensors)와 같은 혁신적인 데이터 소스를 활용하면 비침습적이고 지속적인 모니터링이 가능해져 ASD에 대한 보다 총체적인 이해를 얻을 수 있습니다. 궁극적으로는 이러한 기술적 진보가 ASD 진단 및 치료의 정확성을 높이고, 개인 맞춤형 개입을 가능하게 하여 환자 개개인의 잠재력을 최대한 발휘할 수 있도록 도울 것으로 기대됩니다. 이를 위해서는 학제 간 협력과 ASD에 특화된 대규모 데이터셋 구축이 필수적입니다.