Autisme is een andere manier van waarnemen, denken en voelen. Maar die manier van in het leven staan kan het soms knap lastig maken om mee te draaien in een wereld die vooral is ingericht op de meerderheid. De één heeft vooral moeite met prikkels, de ander met sociale contacten, weer een ander met taal of met het omgaan met onverwachte situaties.
Omdat het zo’n breed en divers spectrum is, is de diagnose stellen niet eenvoudig. Vaak duurt het jaren voordat iemand duidelijkheid krijgt. En zelfs dán zijn behandelingen of begeleiding meestal gebaseerd op gemiddelden, niet op het unieke individu. Geen wonder dat onderzoekers zoeken naar manieren om het allemaal beter, sneller en persoonlijker te maken. En daar komt kunstmatige intelligentie (AI) in beeld.
Van Kanner tot nu: Een korte geschiedenis
Autisme staat pas sinds de jaren ’40 echt op de kaart. De Amerikaanse psychiater Leo Kanner beschreef toen kinderen die zich sterk terugtrokken en veel herhalend gedrag lieten zien. Vrijwel tegelijk deed de Oostenrijkse kinderarts Hans Asperger hetzelfde.
In de decennia daarna werd autisme vaak verward met schizofrenie. Pas in de jaren ’90 groeide het besef dat genetische factoren een grote rol spelen. Onderzoek naar syndromen zoals fragiele-X en Rett liet zien dat sommige genen directe linkjes hebben met autistisch gedrag. Maar genetica vertelt niet het hele verhaal. Ook omgevingsfactoren, zoals blootstelling aan schadelijke stoffen tijdens de zwangerschap, spelen mee.
Vandaag de dag weten we dat er honderden genen betrokken kunnen zijn, die ook nog eens samen met omgevingsinvloeden een complex web vormen. Geen simpel antwoord dus – en ook geen simpele behandeling.
Traditionele aanpak: Testen, observeren en veel geduld
Hoe kom je tot een diagnose autisme? Tot nu toe gaat dat vooral via gesprekken, vragenlijsten en observaties. Psychologen en psychiaters gebruiken instrumenten als de ADOS (Autism Diagnostic Observation Schedule) of de ADI-R (Autism Diagnostic Interview – Revised). Dat zijn uitgebreide protocollen waarin wordt gekeken naar communicatie, gedrag en sociale interactie.
Ook worden vaak intelligentietests of taalonderzoeken gedaan om andere verklaringen uit te sluiten. Het probleem: het blijft mensenwerk. Een psycholoog kan een kind op een slechte dag verkeerd inschatten. En culturele verschillen maken het nog ingewikkelder: in Nederland of België valt stil gedrag misschien sneller op dan in een land waar kinderen sowieso minder mondig zijn.
Qua behandeling staat de gedragstherapie centraal, vooral de bekende ABA-aanpak (Applied Behavior Analysis). Daarbij worden gewenst gedrag en vaardigheden stap voor stap aangeleerd met beloningen. Daarnaast zijn er sociale vaardigheidstrainingen en, als het echt nodig is, medicijnen tegen bijvoorbeeld agressie of hevige stemmingswisselingen.
Deze methoden werken vaak, maar niet altijd. En ze zijn intensief, duur en sterk afhankelijk van de vaardigheden van de behandelaar.
Wat voegt AI eigenlijk toe?
AI belooft veel: sneller, objectiever en soms zelfs nauwkeuriger diagnosticeren. Neem eye-tracking: slimme camera’s volgen hoe een kind naar plaatjes of filmpjes kijkt. Kinderen met autisme letten vaak op andere details dan leeftijdsgenoten.
Of gezichtsherkenning: subtiele verschillen in mimiek en micro-expressies zijn door AI beter te analyseren dan door het menselijk oog. Ook neuroimaging (MRI-scans) wordt steeds vaker gecombineerd met AI om patronen in hersenverbindingen op te sporen.
Sommige studies zijn spectaculair: een algoritme dat met elektroretinografie (meten van netvliesreacties) tot wel 98% gevoeligheid autisme wist te onderscheiden van neurotypische ontwikkeling. Een draagbaar AI-hulpmiddel dat in een pilot zelfs 100% juist scoorde bij de testgroep. Klinkt bijna te mooi om waar te zijn – en dat is het voorlopig ook. Want zulke cijfers gelden vaak in kleine, gecontroleerde studies. Zodra je het algoritme loslaat in de échte wereld, daalt de betrouwbaarheid.
Toch is de belofte groot. AI kan enorme hoeveelheden data combineren – genetische informatie, gedragspatronen, hersenscans – en zo subtiele verbanden vinden die mensen simpelweg niet zien.
Van praatrobot tot virtual reality
Naast diagnose duikt AI ook op in de behandeling. Denk aan virtuele coaches: apps of chatbots die kinderen sociale situaties laten oefenen. In België loopt bijvoorbeeld onderzoek naar VR-brillen waarmee jongeren veilig leren hoe ze een gesprek aangaan of een sollicitatiegesprek oefenen.
Ook robottherapie is populair. Robots als NAO of Kaspar kunnen eindeloos geduldig herhalen, hebben altijd dezelfde gezichtsuitdrukking en raken nooit geïrriteerd. Voor sommige kinderen werkt dat geruststellend.
NAO is een kleine humanoïde robot, ontwikkeld door het bedrijf SoftBank Robotics. Hij kan praten, dansen, gebaren maken en reageren op aanraking of stemcommando’s. In therapie wordt NAO vaak gebruikt om sociale vaardigheden te oefenen: een kind kan met hem gesprekken oefenen, emoties leren herkennen of simpele opdrachten uitvoeren. Omdat NAO consequent reageert en nooit ongeduldig wordt, geeft dat veel kinderen veiligheid en voorspelbaarheid.
Kaspar is een robot ontwikkeld door de Universiteit van Hertfordshire in het Verenigd Koninkrijk. Hij ziet eruit als een kindvriendelijke pop met een neutraal gezicht dat eenvoudige emoties kan tonen, zoals blij, verdrietig of boos. Kaspar wordt vooral ingezet om kinderen te helpen bij sociale interacties en communicatie. Zo kan hij bijvoorbeeld meespelen met speelgoed en ondertussen eenvoudige sociale signalen geven. Voor veel kinderen met autisme is dat een brug tussen spel met een robot en spel met leeftijdsgenoten.
Kortom: NAO en Kaspar zijn geen vervangers van menselijk contact, maar hulpmiddelen die in therapie worden gebruikt om kinderen spelenderwijs sociale en communicatieve vaardigheden te laten oefenen.
Apps spelen ook een grote rol. Met AI kunnen ze zich aanpassen aan het niveau en de interesses van het kind. Een kind dat dol is op treinen krijgt rekensommen met treinen. Een ander oefent taal via zijn favoriete stripfiguur.
Dat klinkt mooi – en vaak ís het dat ook. Maar er is een risico dat AI-hulpmiddelen worden gezien als vervanging van menselijk contact, terwijl juist dat contact cruciaal is voor ontwikkeling.
De keerzijde: Privacy, bias en black boxes
AI is geen wondermiddel. Modellen zijn vaak een black box: ze geven een uitkomst (“dit kind heeft waarschijnlijk autisme”), maar niemand weet precies hóe het algoritme daartoe kwam. Voor ouders en behandelaars is dat frustrerend – je wilt snappen waar de conclusie op is gebaseerd.
Daarnaast spelen privacyzorgen. Denk aan gevoelige data zoals hersenscans, genetische profielen of videobeelden van kinderen. Hoe veilig zijn die opgeslagen? Wie mag erbij?
En er is nog iets: bias. Als een algoritme vooral is getraind op Amerikaanse datasets, werkt het misschien minder goed bij kinderen in Nederland of België. Of in Japan. Cultuur, taal en zelfs kleine gedragsverschillen kunnen grote gevolgen hebben voor de nauwkeurigheid.
Nederland en België?
In Nederland en België is de interesse groot, maar de praktijk nog voorzichtig. Universiteiten experimenteren met AI-gestuurde diagnostiek, bijvoorbeeld via MRI-onderzoek of gedragsobservaties met eye-tracking. Ook worden VR- en robotprojecten kleinschalig getest, vaak als aanvulling op bestaande therapieën.
De zorgpraktijk is echter traag met implementatie. Kinderpsychiatrie kampt al met wachtlijsten, personeelstekort en budgetproblemen. AI kan helpen, maar voorlopig vooral als extra hulpmiddel – niet als vervanging.
Een ander punt: in ons zorgsysteem moet altijd goed worden afgewogen of een nieuwe technologie echt méérwaarde heeft. Een algoritme dat sneller een diagnose stelt is leuk, maar wat als de begeleiding daarna nog steeds jaren op zich laat wachten?
Sahai A. Dealing with Autism Spectrum Disorders: Journey from Traditional Methods to Artificial Intelligence. Ann Neurosci. 2025 Sep 8:09727531251369286. doi: 10.1177/09727531251369286. Epub ahead of print. PMID: 40933788; PMCID: PMC12417438.
