• Eye-Tracking + Deep Learning:: Diagnostische Genauigkeit zwischen 80,5 % und 98,33 % in Studien mit Vorschulkindern. Unterschiedliche Blickmuster beim sozialen Referenzieren (Gesichter vs. Objekte) sind robuste frühe Marker.
• Automatisierte Verhaltensbäume:: Ein Machine-Learning-Modell (alternating decision tree) reduzierte die Items des Autism Diagnostic Interview-Revised um 93,3 % auf nur 7 Fragen — bei einer berichteten Genauigkeit von 99,97 % für Kinder im Alter 13–48 Monate. (Vorsicht: Diese Zahlen sind in unabhängigen Replikationen zu prüfen.)
• Epigenetische Neugeborenen-Diagnostik:: Ein Screening-Ansatz auf Basis von Epigenomik (Haarsträhne, ClearStrand-ASD von LinusBio) erreichte in einer Studie 97,5 % Sensitivität und 100 % Spezifität. FDA-Zulassung für verwandte Systeme (EarliPoint, Canvas Dx) zeigt regulatorische Akzeptanz in den USA.
• Motorische Biomarker:: SHAP-basierte erklärbare KI klassifiziert Autismus-Schweregrad anhand von 3D-Bewegungsdaten — ein Schritt hin zu transparenten, erklärbaren Diagnose-Algorithmen.

Die Forschung zur KI-gestützten Autismus-Früherkennung hat in den letzten zwei Jahren eine bemerkenswerte Reife erreicht. Mehrere Ansätze zeigen klinisch relevante Genauigkeiten:

• Eye-Tracking + Deep Learning: Diagnostische Genauigkeit zwischen 80,5 % und 98,33 % in Studien mit Vorschulkindern. Unterschiedliche Blickmuster beim sozialen Referenzieren (Gesichter vs. Objekte) sind robuste frühe Marker.
• Automatisierte Verhaltensbäume: Ein Machine-Learning-Modell (alternating decision tree) reduzierte die Items des Autism Diagnostic Interview-Revised um 93,3 % auf nur 7 Fragen — bei einer berichteten Genauigkeit von 99,97 % für Kinder im Alter 13–48 Monate. (Vorsicht: Diese Zahlen sind in unabhängigen Replikationen zu prüfen.)
• Epigenetische Neugeborenen-Diagnostik: Ein Screening-Ansatz auf Basis von Epigenomik (Haarsträhne, ClearStrand-ASD von LinusBio) erreichte in einer Studie 97,5 % Sensitivität und 100 % Spezifität. FDA-Zulassung für verwandte Systeme (EarliPoint, Canvas Dx) zeigt regulatorische Akzeptanz in den USA.
• Motorische Biomarker: SHAP-basierte erklärbare KI klassifiziert Autismus-Schweregrad anhand von 3D-Bewegungsdaten — ein Schritt hin zu transparenten, erklärbaren Diagnose-Algorithmen.

Die Forschung zur KI-gestützten Autismus-Früherkennung hat in den letzten zwei Jahren eine bemerkenswerte Reife erreicht. Mehrere Ansätze zeigen klinisch relevante Genauigkeiten:

• Das Phenomobil: Frühdiagnose schon im ersten Lebensjahr (Heidelberg)
• Story 3: Warum wartet mein Kind ein Jahr auf eine Autismus-Diagnose?
• Deutschland: Strukturkrise bei Diagnose und Therapie

1. AI-Enabled Technologies and Biomarker Analysis for the Early Identification of ASD (PMC)
2. AI-assisted early screening, diagnosis, and intervention for autism (Frontiers/PMC)
3. Shap-Based Explainable AI Framework for Autism Severity Classification (Frontiers 2026)