使用人工智慧區分學齡兒童溝通障礙類別

本研究運用AI提升兒童溝通障礙辨識準確率，有助社福機構早期發現並介入，節省評估資源與時間。
 

本研究結果顯示，運用機器學習模型能有效區分學齡兒童的溝通障礙類型，特別在辨識自閉症（ASD）與注意力不足過動症（ADHD）上表現出極高的準確率與AUC值（達1.00與0.99），即使在樣本擴增後仍維持良好效能，展現出模型的穩定性與泛化能力。研究同時將CCC-2問卷與其他相關指標簡化至11項，在不犧牲辨識效能下，大幅提升施測效率。此結果證實AI應用能有效減輕臨床與社福單位在早期篩檢時的負擔，協助家長與教師快速發現兒童可能的溝通異常，提前進行轉介與介入。結合專業檢核與演算法預測，能提升診斷的客觀性與效率，並促進資源的合理分配與早療介入，符合研究「AI協助快速、準確分類兒童溝通障礙，提升早期診斷與介入效率」之主軸。