近日,一篇由平安集团人工智能研究院与北京协和医院合作,发表在《Frontiers in Cellular Neuroscience》期刊上的关于自闭症诊断方法的论文,有望为无数中国自闭症儿童带来福音。
平安集团与北京协和医院
联合发表的基于中国儿童的自闭症诊断算法论文
该论文题为《Urine Organic Acids as Potential Biomarkers for Autism-Spectrum Disorder in Chinese Children》(中文题目名为《尿有机酸可作为中国儿童自闭症的潜在生物标记》),论文发现了一种潜在的客观、准确又方便经济的自闭症诊断方法,可以早期、准确地发现诊断自闭症患儿,为尽早进行干预治疗提供了可能。同时论文中数据集是目前国际上研究报道中最大的,也是我国近期唯一的针对此类病症的研究,是世界范围内第一个基于中国儿童的自闭症诊断算法。
据了解,《Frontiers in Neuroscience》系列期刊是目前世界上神经科学领域引用量最多的期刊,自创刊以来,已经发表21800篇论文,论文引用量达248000篇,2018年影响因子为4.3,超过76%的同类期刊。
《Frontiers in Neuroscience》系列期刊引用量
资料显示,全球自闭症的发病率一直呈现不断上升的趋势,越来越得到社会各界关注。有研究估计,仅中国患者人数超过700万。由于医学界对自闭症的机理还没有清晰的了解,自闭症的诊断目前都是依赖量表结合医生的主观经验来完成,明确的诊断需要等患儿的症状已经发展到非常明显后方能确诊。而一旦错过最佳的治疗干预时间,患儿已经形成了基于孤独症的社会交往的行为模式,对他们的治疗就将会更加困难,最终造成终身的精神残疾,给家人及社会带来巨大的负担。
XGBoost算法有望改变自闭症诊断方法
因为原因不明,虽然历史研究中已经发现了自闭症患者会有许多的代谢改变,却一直没有一个准确又方便易行的客观诊断方法。平安集团人工智能研究院与北京协和医院的研究团队创新性地采用了通过检测患儿尿中有机酸代谢谱来判断患自闭症风险的方法。因为样本无创易得,为今后广泛的临床应用打下了基础。
此外,论文中提到,研究团队还创新性地采用了一种较新的在相关代谢谱分析中还鲜有人尝试过的XGBoost算法。XGBoost是一种基于树模型的集成学习方法,因为采用了树模型以及树模型的非线性,它可以非常好地拟合非线性地关联关系,同时,又因为它是基于集成学习的算法,可以较好地避免过拟合。
通过严格的交叉验证,本研究采用XGBoost算法在利用全部有机酸时,AUC(ROC曲线面积)达到了0.94,大大高于国际上其它研究报道的最好结果0.91,创造了新的自闭症客观诊断准确性纪录。通过算法筛选,只用20种有机酸的模型AUC也达到了0.93,说明较少的检测也可以达到较好的效果,为经济的临床实用打下了基础。
平安集团首席科学家肖京认为,通过创新性的研究方法,平安有理由相信利用XGBoost算法检测患儿尿中有机酸来诊断自闭症,是准确、方便的,并极可能未来广泛应用于临床。又因为是基于中国的患儿数据,在中国患儿针对性上,使本方法具有极高的潜在临床应用价值。
近年来,平安不断在医疗科技领域攻坚拔寨,先后多次在国际医疗技术类评测比赛中夺得冠军,并在糖尿病、肾病、流感等慢病和传染病领域取得多个突破性进展,在《柳叶刀》子刊、《美国肾脏病杂志》、AMIA等国际顶级医学期刊和学术年会上,频频发表重大成果论文。自闭症作为平安攻克的新专注领域,代表平安的医疗科技向新的疾病领域再突破,代表医疗科技生态圈前沿性和先进性探索再向前迈步,更重要的是为广大潜在患者带来更多生的希望。
未来,平安希望,在经过严格的前瞻性临床试验和监管部门批准的前提下,该创新性方法能够作为一种诊断方法发挥临床价值,平安人工智能研究院与协和医院也在探讨进一步的合作方式,为“健康中国”带来基于科学性的实践和可操作路径。
