香港中文大学团队利用AI分析儿童粪便微生物特征,预测自闭症风险准确率达91%,旨在为早期诊断提供客观生物标志物参考,缩短传统评估耗时。 ## 1. 研究背景与诊断难题 - 当前自闭症诊断依赖多年观察和多学科评估,儿童常需等到6岁后才能确诊,专业资源紧张导致排队时间长。 - 团队希望通过粪便微生物检测(准确率91%)进行风险分层,帮助高风险儿童尽早干预,低风险儿童减少不必要焦虑。 ## 2. 科学基础与技术原理 - 前期研究发现自闭症儿童肠道菌群在14种古菌、51种细菌等微生物及代谢途径上与普通儿童存在显著差异。 - 基于1627名儿童数据训练的AI模型,通过分析粪便样本DNA中的微生物特征,一周内生成高风险/低风险报告。 ## 3. 检测流程与临床应用 - 家长可居家采样邮寄,实验室通过AI算法评估后提供风险分级建议,但最终确诊仍需医生完成。 - 高风险案例将转介至精神科加速评估,低风险案例建议持续观察,团队同步筹建支持中心提供后续干预方案。 ## 4. 未来方向与局限性 - 目标作为辅助筛查工具(成本或低于1000港币),计划7月在香港推行,并探索婴儿期无症状阶段预测可能性。 - 目前微生物标志物仅显示相关性,团队强调需结合临床判断,不能单独作为诊断依据。
一泡便便就能测自闭症风险?港中大团队用AI分析粪便,准确率91%
2026-04-27 18:39

一泡便便就能测自闭症风险?港中大团队用AI分析粪便,准确率91%

本文来自微信公众号: 大米和小米 ,编辑:|Zoey_hmm,作者:关注科研的


近期,香港中文大学医学院黄秀娟团队启动了一项试点计划,希望通过儿童粪便中的微生物特征,结合人工智能模型,对自闭症风险进行辅助评估。


不过,这类检测真正能提供多大帮助?


是否真的可以更早发现风险?


检测结果又会如何影响后续确诊?


肠道菌群,究竟是自闭症的一个可靠生物标志物,还是仍在探索中的辅助线索?


围绕这些问题,“大米和小米”对话香港中文大学医学院黄秀娟团队——



正在试点


“试点研究已经启动,我们正在使用人工智能生物标志物工具分析100多份疑似病例的粪便样本。”香港中文大学内科与药物治疗学系教授、肠道微生物研究中心副主任黄秀娟向大米和小米介绍。


黄秀娟图源|香港中文大学医学院


“疑似病例”指的是表现出类似自闭症的初步症状,例如重复性行为以及社交缺陷等,但无法确诊的孩子。


按照团队计划,试点将优先面向这些“疑似病例”、处于两岁到六岁之间的儿童。


黄秀娟解释,当前自闭症诊断流程普遍存在两个现实难题:


一是专业评估资源有限,排队时间长;


二是诊断依赖多学科专家综合判断,往往需要多年观察。


“很多孩子可能两三岁已经出现一些迹象,但真正完成完整诊断,可能要到六岁以后。”她说,“如果能够在更早阶段用一个客观的生物标志物做风险分层,对家庭和医生都会有帮助。”


研究团队表示,自闭症诊断需要三到四年连续观察才能做出确诊。


早期客观检测可以进行疑似案例分层,分为高风险案例或者低风险案例,进而帮助家庭或医生提高对高风险个例的关注。


家庭可以提早对高风险儿童采取干预措施,医生可以提高行为评估频率或者缩短周期从而确诊。



理论基础


黄秀娟团队中的苏奇教授介绍,他们此前的多项研究逐步构建了上述研究的基础:


2021年发表于《Gut》的研究发现,自闭症儿童肠道菌群发育节奏与普通儿童存在差异;


随后发表于Cell Reports Medicine的研究发现,自闭症儿童肠道中不同微生物之间的相互作用模式也有所不同;


2024年发表于Nature Microbiology的研究,同时也是基于这些发现构建了用于风险评估的机器学习模型。


“这个研究,也是此次项目的核心。”苏奇介绍。


黄秀娟团队发表的论文


2021年至2023年,黄秀娟团队招募了1627名1岁至13岁的儿童,包括自闭症和非自闭症儿童,以便更全面地观察肠道微生物组和自闭症之间的关系。


研究团队发现,“ASD儿童的肠道微生物组中,有14种古菌、51种细菌、7种真菌、18种病毒、27个微生物基因以及12条代谢途径发生了改变。”


他们发现通过多领域的微生物标志物能准确区分自闭症儿童和非自闭症儿童,准确率高达91%。


然而,研究人员也在论文中指出,这些发现目前主要属于相关性研究,可为风险评估提供参考线索,尚不能单独作为因果关系证据。



检测后的支持、转介与培训


从家长的角度来说,这项检测在实际操作中如何落地?


研究团队介绍,检测流程则相对简单。家长可在家中采集少量粪便样本,通过邮寄方式送至实验室。


“样本来到实验室之后,我们会先提取DNA,评估当中的细菌、真菌等,再用我们的AI算法去计算风险。”


研究团队表示,一般约一周可完成分析,并向家长提供风险评估报告。


报告内容会将儿童划分为高风险或低风险类别,并建议是否需要进一步医学评估。


苏奇解释说:


通过我们之前鉴定到的肠道菌群标志物以训练的人工智能模型,可以通过粪便检测预测疑似案例的具体风险,从而划分为高风险或低风险。


低风险个例确诊自闭症的比例显著低于高风险个例,但仍需继续关注,避免症状加剧。


若为低风险,家长可先持续观察儿童发展情况;若为高风险,则建议尽早接受儿童精神科或发育行为专科评估。


研究人员介绍,目前项目已与香港中文大学精神科团队合作,由专门从事自闭症儿童评估的精神科医生参与后续转介工作。


团队同时在校内筹建相关支持中心,作为试点阶段个案的后续咨询与转介平台。


这些建议可能包括是否需要进一步医学评估、是否适合行为干预训练,以及针对语言发展或社交能力的支持方案等。


团队强调,检测本身并不构成诊断,所有确诊仍需由医生完成。


与此同时,为了让更多专业人士可以更加了解该项目,黄秀娟团队正在尝试推动面向医疗人员及社会服务人员的培训,相关培训包括约8个不同模块。


“早期识别只是第一步,”研究人员说,“更重要的是之后短期、中期和长期怎样支持这些儿童,帮助他们有更好的发展结果。”



未来应用:辅助筛查工具


从试点走向成熟,这项技术未来将在自闭症诊疗中扮演什么角色?


“我们希望它成为医生可以参考的一项信息,而不是替代医学判断,”团队表示。


黄秀娟认为,这项技术目前最现实的应用场景,是作为临床评估前的辅助筛查工具。


团队表示,在实际临床中,自闭症症状表现具有高度异质性,一些儿童可能仅表现出部分特征。


在这种情况下,如果存在客观生物标志物作为参考,可能有助于医生进行综合判断。


黄秀娟团队也在探索,这类微生物标志物未来是否可能用于更早期的风险预测,比如说在孩子一岁之前,例如在症状尚不明显阶段提供参考。但这一方向目前仍处于研究阶段。


费用方面,团队预计未来检测成本可能低于1000港币,并可能随着技术发展进一步下降。试点阶段则以免费形式提供,希望优先服务有需要但家庭收入较低的家庭。


团队计划今年7月会在香港全面推出,并在未来尝试在中国内地开展临床研究验证。


而在自闭症研究领域,这类尝试也反映出一个趋势:研究人员正在尝试从生物标志物角度,寻找传统行为评估之外的辅助线索。


但这些探索最终能走多远,仍取决于后续研究结果。

频道: 健康
本内容来源于网络 原文链接,观点仅代表作者本人,不代表虎嗅立场。
如涉及版权问题请联系 hezuo@huxiu.com,我们将及时核实并处理。
正在改变与想要改变世界的人,都在 虎嗅APP