全自动视网膜图像分析技术已有应用于评估中风风险和计算认知障碍症风险因素的脑白质病变风险，现时这项技术更可以用于识别是否罹患自闭症。
香港中文大学医学院成功研发用于计算自闭症风险的「全自动视网膜图像分析」（Automatic Retinal Image Analysis，ARIA）技术，透过拍摄「眼底相」识别儿童的视网膜特征，以及神经纤维层有否变薄，以计算他们罹患自闭症的风险。研发团队希望将来可利用新技术进行筛查，毋须依赖冗长的诊断方法才开始对患者用药，借此提早开始干预以减少自闭症对患者成长过程的影响。研究结果已于《刺针》出版的EClinicalMedicine发表。
自闭症缺乏客观筛查方法
自闭症是一种极为复杂的神经发育障碍，患者的生活自小已受多方面影响，包括社交、沟通和处理感官信息的能力，愈早介入治疗可达到愈好的效果。然而，现时自闭症的诊断主要依靠问卷及跨专业团队进行评估，评估时间一般较长，亦因为缺乏客观的筛查方法，导致患者于幼儿时期容易被延迟诊断，甚至误诊。
过往有研究指，视网膜神经纤维层变薄与高功能自闭症 ( High Functioning Autism Spectrum Disorder）和阿斯伯格综合症（Asperger Syndrome）息息相关，显示视网膜图像或可为自闭症的分类提供关键信息，有助制定自闭症的客观衡量指标。
辨识度高达9成
中大医学院赛马会公共卫生及基层医疗学院临床研究及生物统计中心开发了用于计算自闭症风险的「全自动视网膜图像分析」（Automatic Retinal Image Analysis，ARIA）技术。研究人员从匡智会属下的特殊学校招募了46名自闭症患者个案，并另外邀请23名年龄及性别配对的普通儿童参与研究。研究人员利用仪器为所有参加者拍摄他们的视网膜图像（俗称「眼底相」），并透过ARIA技术进行分析。
研究结果发现，自闭症患者的视盘及视杯直径明显增大，而ARIA技术辨识自闭症患者的灵敏度及识别能力分别达96%及91%。
领导有关研究的中大医学院临床研究及生物统计中心主任徐仲锳教授表示：「视网膜图像分析是一种无创、全自动和相对方便的技术。即使是幼儿也可透过这项新技术分析其视网膜图像来评估罹患自闭症的风险。此客观评估技术有望在社区进行自闭症筛查，成为临床及行为评估前一种有效的风险评估工具。」
研究的第一作者，中大医学院临床研究及生物统计中心资深护士及副主任黎明宝指，是次研究不仅反映了应用科技的进步和重要性，还展示了中大、匡智会学校与社区视光师之间的紧密合作如何大大提升「社会资本」，并实践科研造就社会的共同目标，对社会产生更深远的影响。
匡智会学校教育心理学家赵颂敏表示：「每个学生的需要都是独特的，而有自闭症及特殊学习需要的学生的需要更多样化。透过研发创新的医疗科技为儿童评估罹患自闭症的风险，可及早为他们识别所需服务；这次研究更可加深社会大众理解自闭症及特殊学习需要学生的需要，加强社会接纳与共融。」3
