VF
Vincent Fusaro
Author with expertise in Autism Spectrum Disorders
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
5
(80% Open Access)
Cited by:
3,759
h-index:
18
/
i10-index:
25
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Use of machine learning to shorten observation-based screening and diagnosis of autism

Dennis Wall et al.Apr 3, 2012
The Autism Diagnostic Observation Schedule-Generic (ADOS) is one of the most widely used instruments for behavioral evaluation of autism spectrum disorders. It is composed of four modules, each tailored for a specific group of individuals based on their language and developmental level. On average, a module takes between 30 and 60 min to deliver. We used a series of machine-learning algorithms to study the complete set of scores from Module 1 of the ADOS available at the Autism Genetic Resource Exchange (AGRE) for 612 individuals with a classification of autism and 15 non-spectrum individuals from both AGRE and the Boston Autism Consortium (AC). Our analysis indicated that 8 of the 29 items contained in Module 1 of the ADOS were sufficient to classify autism with 100% accuracy. We further validated the accuracy of this eight-item classifier against complete sets of scores from two independent sources, a collection of 110 individuals with autism from AC and a collection of 336 individuals with autism from the Simons Foundation. In both cases, our classifier performed with nearly 100% sensitivity, correctly classifying all but two of the individuals from these two resources with a diagnosis of autism, and with 94% specificity on a collection of observed and simulated non-spectrum controls. The classifier contained several elements found in the ADOS algorithm, demonstrating high test validity, and also resulted in a quantitative score that measures classification confidence and extremeness of the phenotype. With incidence rates rising, the ability to classify autism effectively and quickly requires careful design of assessment and diagnostic tools. Given the brevity, accuracy and quantitative nature of the classifier, results from this study may prove valuable in the development of mobile tools for preliminary evaluation and clinical prioritization-in particular those focused on assessment of short home videos of children--that speed the pace of initial evaluation and broaden the reach to a significantly larger percentage of the population at risk.
0
Citation249
0
Save
3

“Development and Implementation of Novel Chatbot-based Genomic Research Consent”

Erica Smith et al.Jan 24, 2023
ABSTRACT Objective To conduct a retrospective analysis comparing traditional human-based consenting to an automated chat-based consenting process. Materials and Methods We developed a new chat-based consent using our IRB-approved consent forms. We leveraged a previously developed platform (Gia®, or “Genetic Information Assistant”) to deliver the chat content to candidate participants. The content included information about the study, educational information, and a quiz to assess understanding. We analyzed 144 families referred to our study during a 6-month time period. A total of 37 families completed consent using the traditional process, while 35 families completed consent using Gia. Results Engagement rates were similar between both consenting methods. The median length of the consent conversation was shorter for Gia users compared to traditional (44 vs. 76 minutes). Additionally, the total time from referral to consent completion was faster with Gia (5 vs. 16 days). Within Gia, understanding was assessed with a 10-question quiz that most participants (96%) passed. Feedback about the chat consent indicated that 86% of participants had a positive experience. Discussion Using Gia resulted in time savings for both the participant and study staff. The chatbot enables studies to reach more potential candidates. We identified five key features related to human-centered design for developing a consent chat. Conclusion This analysis suggests that it is feasible to use an automated chatbot to scale obtaining informed consent for a genomics research study. We further identify a number of advantages when using a chatbot.