LONDON (IT BOLTWISE) – Eine systematische Auswertung untersucht, ob sich Autismus bereits im Säuglingsalter über die Akustik von Schreien erkennen lässt. Die Studien fanden wiederkehrende Muster, doch in der gepoolten Meta-Analyse zeigte sich bei der Tonhöhe kein statistisch belastbarer Unterschied. Einzelne Arbeiten deuten zwar auf eine höhere Grundfrequenz hin, die Zusammenführung der Daten stützt das Ergebnis jedoch nicht. Gleichzeitig berichten mehrere Datensätze von KI-Modellen mit hoher Trefferquote, wobei die Aussagekraft durch kleine Stichproben begrenzt bleibt.
Die Idee klingt zunächst plausibel: Säuglinge schreien ständig, und das Geräusch lässt sich ohne invasive Eingriffe aufnehmen. Genau deshalb wurde die Analyse von Schreiattributen in den vergangenen Jahren immer wieder als Kandidat für eine frühere, objektivere Unterstützung bei der Autismus-Erkennung diskutiert. Denn Autismus-Spektrum-Störungen (ASS) werden zwar als neuroentwicklungsbedingtes Muster verstanden, die Anzeichen können jedoch schon sehr früh im Leben sichtbar werden. Gleichzeitig erfolgt die Diagnose in vielen Fällen erst im späteren Kindergartenalter oder sogar noch später – und genau diese Lücke ist für Betroffene und Familien relevant, weil frühe Unterstützung in Phasen schnellen Gehirnwachstums oft entscheidend ist.
Aktuelle Diagnosewege stützen sich überwiegend auf Entwicklungsbeobachtung, klinische Einschätzungen und standardisierte Instrumente. Das setzt geschulte Fachkräfte voraus und kann je nach Region oder Ressourcenlage schwer zugänglich sein. Forschungsteams suchen deshalb nach Methoden, die Unterschiede früher erfassen und gleichzeitig reproduzierbarer machen. Im Portfolio stehen bereits Eye-Tracking, Bildgebung des Gehirns, Elektroenzephalografie, Videoanalysen und weitere physiologische oder verhaltensbezogene Signale. Vor diesem Hintergrund wirkt die Schrei-Analyse besonders interessant: Sie ist nicht nur grundsätzlich überall verfügbar, sondern potenziell auch als Ergänzung zu etablierten Screening-Ansätzen einsetzbar, statt sie zu ersetzen.
Eine neue systematische Übersicht mit Meta-Analyse hat genau diesen Weg genauer vermessen. Die Arbeit, veröffentlicht im Journal of Autism and Developmental Disorders, integriert Studien, die versucht haben, autistische Säuglinge anhand der Art ihres Schreiens zu identifizieren. Die Autorin Sandra Pusil und Kolleginnen und Kollegen unterscheiden dabei zwei typische Studiendesigns: retrospektive Vergleiche, bei denen die Schreie bereits später diagnostizierter Kinder mit Schreien nicht betroffener Kinder gegenübergestellt werden, sowie prospektive Ansätze, bei denen Säuglinge mit erhöhter bzw. verminderter Wahrscheinlichkeit für ASS über die Zeit begleitet werden. Anschließend wird untersucht, welche der Kinder später tatsächlich eine Autismusdiagnose erhalten – und welche akustischen Merkmale im Vorfeld am stärksten mit diesem Outcome zusammenhängen.
Für die Aufnahme in die Übersicht mussten die Studien mehrere Kriterien erfüllen: Sie sollten Schrei-Analysen zum Fokus haben, bei Kindern unter 60 Monaten durchgeführt werden und eine ausreichend belastbare Diagnostik verwenden. Dazu zählte entweder ein einheitliches Diagnoseprotokoll, eine Diagnose durch spezialisierte Fachkräfte aus Neurologie, Psychiatrie oder Pädiatrie oder eine sehr gründliche neuropsychologische Evaluation. Zusätzlich mussten die Studien im Volltext verfügbar und auf Englisch berichtet sein. Nach Datenbanksuche unter anderem in PubMed, Scopus, Web of Science und PsycINFO sowie dem Entfernen von Duplikaten verblieben 11 Studien in der systematischen Analyse. Vier dieser Arbeiten wurden als qualitativ gut bewertet, sieben als „fair“, insgesamt wurden 736 Teilnehmende eingeschlossen; die untersuchten Altersgruppen reichten von Neugeborenen bis zu Kindern bis vier Jahre. Für die Meta-Analyse gingen 6 Studien ein, während 5 ausgeschlossen wurden, weil die erforderlichen Daten nicht vorlagen.
Inhaltlich zeigt das Bild zwei Ebenen. Zum einen berichten mehrere Einzelstudien über Unterschiede zwischen autistischen und nicht-autistischen Säuglingen in akustischen Eigenschaften wie Grundfrequenz (also der grundlegenden Tonhöhe der Stimme), Merkmalen von auffällig stark und hochfrequent klingenden Schreien (Hyperphonation), Unregelmäßigkeiten der Stimmqualität sowie weiteren Variationen. Zum anderen nutzt ein Teil der Studien maschinelles Lernen (KI-Modelle), um Schreie klasifizierend zuzuordnen – und erzielt dabei in einzelnen Fällen Ergebnisse, die traditionelle statistische Verfahren häufig übertreffen, teils mit Genauigkeiten über 90%. Genau hier liegt aber auch der Knackpunkt: Die gepoolte Meta-Analyse fand für den Vergleich der Schreitonhöhe über alle Studien hinweg keinen statistisch signifikanten Unterschied. Einzelne Hinweise auf höhere Grundfrequenzen in autistischen Schreien tauchten zwar in einzelnen Datensätzen auf, ließen sich jedoch in der Zusammenführung nicht ausreichend stabil nachweisen.
Die Autoren formulieren daraus eine klare Konsequenz: Schrei-Analyse kann als objektive, zugängliche und nicht-invasive Screening-Komponente dienen, möglicherweise für Gesundheitsbewertungen und Prognosen zur Entwicklung in der Frühphase. Damit dieses Potenzial mehr als ein Forschungsversprechen bleibt, fordert die Studie jedoch groß angelegte, multizentrische und longitudinal angelegte Arbeiten mit vielfältigen Populationen. Außerdem sollten KI-Modelle weiter verfeinert werden, standardisierte Datensätze aufgebaut und Entwicklungsverläufe akustischer Marker systematisch beschrieben werden. Gleichzeitig benennt die Übersicht, warum die Literatur derzeit noch keine „definitive Evidenz“ liefert: Viele eingeschlossene Studien arbeiteten mit sehr kleinen Stichproben. Wenn Effekte nur schwach ausfallen, können sie durch die verwendeten statistischen Verfahren leicht unter der Nachweisgrenze bleiben. Hinzu kommt, dass sich die Studien stark in Alter, ASS-Charakteristika und in der Art und Weise unterschieden, wie das Schreien ausgelöst bzw. erfasst wurde – Faktoren, die Vergleiche über Studien hinweg zusätzlich erschweren.
Für den praktischen Blick in den Markt ist damit vor allem eine Frage entscheidend: Wie gut lassen sich aus den derzeitigen Ergebnissen robuste, klinisch einsatzfähige Screening-Algorithmen ableiten? KI-Modelle wirken in einzelnen Experimenten leistungsstark, doch Meta-Analysen prüfen genau die Stabilität dieser Signale über verschiedene Settings. Wenn die Tonhöhen-Komponente zwar lokal in einzelnen Studien auftaucht, in der gepoolten Betrachtung aber verschwindet, deutet das auf methodische Varianz, Unterschiede im Studiendesign oder auf eine zu geringe Effektgröße hin. Das ist kein Widerspruch zur generellen Relevanz akustischer Marker, sondern ein Hinweis darauf, dass ein „Marker-Paket“ statt eines einzelnen Kennwerts nötig sein dürfte – etwa in Kombination aus Grundfrequenz, Intensitätsverläufen, Varianz und weiteren Qualitätsmaßen der Stimme. Bis dahin sollte die Schrei-Analyse eher als vielversprechender Baustein in Forschungs- und Validierungsprogrammen verstanden werden, der durch größere, standardisierte Datensammlungen und strengere Validierungsschritte die Brücke von „potenziell“ zu „belastbar“ schlagen kann.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Schrei-Analyse zur Autismus-Früherkennung: viel Potenzial, noch kein Beweis" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Schrei-Analyse zur Autismus-Früherkennung: viel Potenzial, noch kein Beweis" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Schrei-Analyse zur Autismus-Früherkennung: viel Potenzial, noch kein Beweis« bei Google Deutschland suchen, bei Bing oder Google News!