Autism Spectrum Disorder is a mental disorder that afflicts millions of people worldwide. It is estimated that one in 160 children has traces of autism, with five times the higher prevalence in boys. The protocols for detecting symptoms are diverse. However, the following are among the most used: the Diagnostic and Statistical Manual of Mental Disorders, 5th Edition (DSM-5), of the American Psychiatric Association; the Revised Autistic Diagnostic Observation Schedule (ADOS-R); the Autistic Diagnostic Interview (ADI); and the International Classification of Diseases, 10th edition (ICD-10), published by the World Health Organization (WHO) and adopted in Brazil by the Unified Health System (SUS). The application of machine learning models helps make the diagnostic process of Autism Spectrum Disorder more precise, reducing, in many cases, the number of criteria necessary for evaluation, denoting a form of attribute engineering (feature engineering) efficiency. This work proposes a hybrid approach based on machine learning algorithms’ composition to discover knowledge and concepts associated with the multicriteria method of decision support based on Verbal Decision Analysis to refine the results. Therefore, the study has the general objective of evaluating how the mentioned hybrid methodology proposal can make the protocol derived from ICD-10 more efficient, providing agility to diagnosing Autism Spectrum Disorder by observing a minor symptom. The study database covers thousands of cases of people who, once diagnosed, obtained government assistance in Brazil.

中文翻译：

---

在机器学习和言语决策分析中构建的自闭症谱系障碍诊断协议

自闭症谱系障碍是一种精神障碍，困扰着全世界数百万人。据估计，每 160 名儿童中就有 1 名患有自闭症，而男孩的患病率是其五倍。检测症状的方案多种多样。然而，以下是最常用的： 美国精神病学协会的《精神疾病诊断和统计手册》，第 5 版 (DSM-5)；修订后的自闭症诊断观察计划 (ADOS-R)；自闭症诊断访谈（ADI）；以及国际疾病分类第 10 版 (ICD-10)，由世界卫生组织 (WHO) 出版并由巴西统一卫生系统 (SUS) 采用。机器学习模型的应用有助于使自闭症谱系障碍的诊断过程更加精确，在许多情况下减少 评估所需标准的数量，表示一种形式的属性工程（特征工程）效率。这项工作提出了一种基于机器学习算法组合的混合方法，以发现与基于口头决策分析的多标准决策支持方法相关的知识和概念，以改进结果。因此，该研究的总体目标是评估上述混合方法提案如何使源自 ICD-10 的协议更有效，通过观察轻微症状为诊断自闭症谱系障碍提供敏捷性。该研究数据库涵盖了数以千计的确诊病例，这些病例在巴西获得了政府援助。这项工作提出了一种基于机器学习算法组合的混合方法，以发现与基于口头决策分析的多标准决策支持方法相关的知识和概念，以改进结果。因此，该研究的总体目标是评估上述混合方法提案如何使源自 ICD-10 的协议更有效，通过观察轻微症状为诊断自闭症谱系障碍提供敏捷性。该研究数据库涵盖了数以千计的确诊病例，这些病例在巴西获得了政府援助。这项工作提出了一种基于机器学习算法组合的混合方法，以发现与基于口头决策分析的多标准决策支持方法相关的知识和概念，以改进结果。因此，该研究的总体目标是评估上述混合方法提案如何使源自 ICD-10 的协议更有效，通过观察轻微症状为诊断自闭症谱系障碍提供敏捷性。该研究数据库涵盖了数以千计的确诊病例，这些病例在巴西获得了政府援助。该研究的总体目标是评估上述混合方法提案如何使源自 ICD-10 的协议更有效，通过观察轻微症状提供诊断自闭症谱系障碍的灵活性。该研究数据库涵盖了数以千计的确诊病例，这些病例在巴西获得了政府援助。该研究的总体目标是评估上述混合方法提案如何使源自 ICD-10 的协议更有效，通过观察轻微症状提供诊断自闭症谱系障碍的灵活性。该研究数据库涵盖了数以千计的确诊病例，这些病例在巴西获得了政府援助。