纽约州立大学布法罗分校的一项开创性研究展示了人工智能如何通过手写分析，彻底改变学习障碍的早期检测方式，有望帮助数百万儿童及时获得干预。
该研究发表于《SN计算机科学》期刊，提出了一套基于AI的手写分析框架，能够识别儿童早期阅读障碍和书写障碍的迹象。研究团队由SUNY特聘教授、美国国家特殊教育人工智能研究院院长Venu Govindaraju领导，开发的技术可通过分析拼写问题、字母书写不规范以及书写组织混乱等特征，检测这些学习障碍。
虽然书写障碍因其在手写中的明显物理表现而较易被发现，但阅读障碍主要影响阅读和语言表达，检测难度更高。然而，研究人员发现，某些手写行为，尤其是拼写模式，可以为阅读障碍的识别提供有价值的线索。
“我们的终极目标是简化并提升阅读障碍和书写障碍的早期筛查效率，让这些工具更加普及，特别是在资源匮乏的地区。”Govindaraju表示，他此前在手写识别领域的研究曾彻底革新了美国邮政的邮件分拣流程。
研究团队与内华达大学雷诺分校的Abbie Olszewski合作，共同开发了“书写障碍与阅读障碍行为指标清单”（DDBIC），该工具可识别书写前、中、后三个阶段的17项行为特征。研究人员收集了幼儿园至五年级学生的书写样本，用于验证DDBIC工具并训练AI模型。
该技术是美国国家特殊教育人工智能研究院一项更广泛计划的一部分，该研究院获得了美国国家科学基金会2000万美元的资助。研究院正开发两项关键技术：AI筛查器，用于普及化的早期筛查；AI协调器，用于协助言语语言病理学家开展个性化干预。
早期检测至关重要，因为如果学习障碍未能及时发现，将严重影响儿童的学业和社会情感发展。面对全国专业人员短缺的现状，这一AI驱动的方法有望普及筛查，让更多儿童在关键发展阶段获得所需支持。