根號3減1怎麼演算法
|
圖源：unsplash
這篇文章由ALSOLIFE研究院發表在科技核心期刊《中國聽力語言康復科學雜誌》上，回顧了ASD在早期出現的可觀測行為特徵，總結了國際上已有的ASD篩查數字工具及其特性。相比傳統篩查，數字篩查在保證敏感度與特異度的前提下，擴大了篩查的可及性和應用範圍，以適應現實需求。在資訊革命的背景下，研發及實踐專有的ASD篩查數字化工具成為本領域的重要課題之一。
背景
孤獨症譜系障礙
（Autism Spectrum Disorder，ASD）
是一組廣泛性發育障礙
（Pervasive Developmental Disorder，PDD）
的合併診斷
［1］
。ASD的典型特徵為出現社會交流障礙與侷限性或重複性行為模式，通常在兒童早期出現並持續終生。在不同亞組中，僅有3%～27%的ASD患者能夠在成年後獨立自主生活
［2］［3］
，患者及其家庭需要承受經濟與心理雙重負擔。
目前，全球患病率為1%
［4］
。在中國，6～12歲兒童的ASD患病率為0。7%
［5］
，且呈上升趨勢。ASD預防及干預已成為全球公共衛生工作的重點關注領域。
ASD在6月齡左右即有所表現
［6］
，12個月時可做出可靠診斷
［7］
。由於人類大腦神經具有可塑性機制，後天的針對性措施可幫助患兒大腦重回正常發育軌道，尤其是24月齡內兒童，預後能夠有效改善其在社交、行為、認知及語言能力
［8］
。由於ASD具有發展性特質和廣泛的流行率，早期識別與篩查是對ASD及時有效干預的關鍵前提，達到預防或延緩病徵發生與發展的目的。
ASD篩查是指使用標準化工具檢測個體發育的異常情況，從而識別出存在的患病風險的手段。在美國，ASD平均診斷年齡大於4歲，且有27%的ASD兒童在8歲時仍未確診
［9］
。在我國，平均診斷年齡偏大，早期干預率低
［8］
。
我國ASD的篩查現狀主要呈現以下特點：
①
篩查物件群體分佈廣泛，有能力進行篩查的專業機構和人員配置較少，且集中於發達地區。我國全職兒科精神科醫生不足500人
［10］
。在ASD早期識別中，農村地區比城市地區的家庭平均延遲5個月以上
［11］
。
②
篩查工具對場地、設施及操作人員的專業性要求高，單次評估時間較長且成本高昂。傳統篩查工具主要分為基於家長報告的問卷訪談和基於兒童互動活動進行的直接觀察，兩者可以獨立使用，也可以組合。雖然大部分篩查工具都提供了免費使用的版本，然而，無論哪種方式，都要求家長帶領兒童到專業機構與專業操作員進行面對面評估。從父母發現早期跡象到最終確診ASD歷時可能超過1年
［12］
。
③
篩查工具敏感度低增加了二級篩查或診斷成本。39%被轉介接受ASD診斷評估的兒童並未確診ASD
［13］
。
此外，個體臨床醫生和跨學科團隊診斷間的一致性較低，且存在漏診或過度診斷
［14］
。
綜上，孤獨症譜系障礙篩查面臨如何在早期（6～18月齡）識別相關風險，以及如何擴大篩查工具的可及性，減少人對特定場景及工具、專業機構及人員的依賴，降低篩查的獲得成本，使更多人能夠儘早得到準確識別與專業幫助兩個方面的關鍵挑戰。
近年來，隨著ASD篩查工具的成熟與計算機科學的發展，誕生了一批全新的基於觀察式行為評估工具與數字工具，使ASD篩查可以透過線上方式完成初始評估，成為解決傳統篩查問題的方向。相比單純基於問卷的評估，觀察式行為分析能夠直接針對兒童真實活動進行結構化專業評估，提升了篩查精度及準確度。如能輔以對兒童發育歷史的評估及保健醫生的基本鑑別診斷，在一級保健中心就能夠幫助醫生做出診斷
［15］
。
國外學界率先開展研究，實踐了一批數字篩查工具，取得較大進展。我國在這方面研究較少，僅進行了機器學習演算法在行為特徵分析上的初試
［16］
。數字工具方面側重於基於行為評估問卷的數字平臺建設
［17］［18］
，暫未有基於觀察式行為分析的成熟工具落地。
因此，本文將綜述國外已有成熟產品的數字篩查工具，以供同儕參考，為我國ASD數字化篩查工具的相關研究及產品拋磚引玉。
基於觀察式行為分析的
數字篩查工具
概念
觀察式行為分析
ASD目前尚未發現可以用於診斷的生物標誌物，針對ASD的診斷與篩查主要依賴於行為症狀。孤獨症譜系的觀察式行為分析（Observational Behavior Analysis）是指經過專業訓練的操作員在結構化的活動設定中誘發兒童出現特定行為，並對行為進行編碼與註釋。在生命最初幾個月內出現的ASD早期行為風險標誌物（如表1），使觀察式行為分析在生命早期能夠發現和評估ASD患病風險，是應對ASD篩查第一個挑戰的主要手段。
目前臨床上常用的自閉症診斷觀察量表（Autism Diagnostic Observation Schedule，Second Edition，ADOS-2）、（Childhood Autism Rating Scale，Second Edition，CARS-2）、（Autism Observation Scale for Infants，AOSI）等，均是基於觀察的行為分析設計的臨床工具。其中，ADOS系列量表已成為ASD診斷金標準所依賴的重要工具。
然而，由於目前的行為分析嚴重依賴操作員的臨床經驗，對行為的識別與評估存在很大主觀影響，難以支撐精確的行為標識。在面對群體樣本量較大的社群篩查診斷、回顧性研究及縱向研究中，操作員需要根據影片逐幀處理編碼行為。導致ASD篩查、診斷和相關研究在現實上面臨困難，使具體工作難以大面積鋪開和推廣。隨著計算機科學發展，尤其是機器學習演算法日益增多，數字化方法成為研究者克服困難的新方向。
表1 ASD 生命早期行為風險標誌物［19-23］
表2 基於觀察式行為分析的ASD數字篩查工具基本特徵
表3 基於觀察式行為分析的ASD數字篩查工具實證結果［15，24-26］
基於觀察式行為分析的數字篩查工具
本研究關注的基於觀察式行為分析的數字篩查工具是指使用遠端方式替代面對面檢查的應用或平臺，其使用的篩查指標來自已透過臨床實證的觀察式行為分析工具，同時，使用自動化方法替代或輔助專業人員在觀察、標識和評估行為方面的分析工作。基於以上標準，共有4個數字應用入選，分別是Canvasdx、Autism& Beyond、ASDetect和VIRSA。
|
圖源：unsplash
國外相關工具的基本特徵
總體上看，所有數字工具都擁有成熟的使用平臺，如Canvasdx和Autism& Beyond已釋出的手機應用及網頁，ASDetect和VIRSA的應用等，見表2。
Canvasdx使用機器學習演算法綜合分析兒童活動短影片、監護人問卷和初級保健醫生問卷得出篩查或診斷結果，已成為ASD數字篩查領域首個獲得美國食品藥物管理局（U。S。Food and Drug Administration，FDA）認證的電子診斷工具。Autism&Beyond主要應用面部特徵識別技術捕捉兒童在觀看特定影片時展現的行為特徵，結合問卷對其進行ASD風險評估。ASDetect和VIRSA相似，都使用了簡化的行為評估操作，將監護人日常觀察的兒童行為特徵轉換為特定量表分數後得出評估結果。二者區別在於ASDetect的評分為靜態累計結果，而VIRSA則使用機器學習演算法對結果進行動態計算。
Canvasdx和ASDetect都採用針對早期行為跡象的全面篩查，其中，Canvasdx使用ADOS-2作為效標參照，而ASDetect則自主研發了新的指標系統。Autism& Beyond和VIRSA僅注重考察受測者是否達到某些ASD核心異常行為的指標。其中，Autism& Beyond側重於視覺注意與社會交流，而VIRSA僅考察受測者的社會交流是否存在異常。
國外相關工具的實證研究
以上4個數字工具在成功轉化實踐前經過了實證研究。考慮到產品成型發展存在週期與調整，本文僅納入工具成型後的最新實證結果，包括實證研究的設計者、發表年份、實證樣本量、樣本年齡區間及反映工具效能的心理測量特性，包括敏感度、特異性、陽性預測率（Positive Predictive Value，PPV）及陰性預測率（Negative Predictive Value，NPV），見表3。
所有工具實證研究所使用的樣本量都大於100人，其中Autism& Beyond樣本量最大，為910人。ASDetect樣本量最小，為109人。這兩個工具未報告相關心理測量特性。Canvasdx和VIRSA報告了完整的心理測量特性。其中，Canvasdx4項指標均高於0。75，敏感度和NPV達到了0。98，這意味著在檢測ASD風險人群和排除正常發育人群方面的能力較好。VIRSA的敏感度和PPV達到1，但特異度和NPV較低，僅有0。19，這意味著能夠較好地識別ASD風險人群，但也容易將正常發育受測者歸入風險人群中。
|
圖源：unsplash
討論
本文重點關注了目前基於觀察式行為分析的ASD數字篩查工具，囊括了工具所依賴的觀察式行為分析的概念、所依賴的ASD生命早期行為指標及工具利用的技術、應用場景和心理測量特性。首先，釐清了ASD早期篩查的緊迫性及其依靠的基本行為觀察技術。其次，梳理了ASD生命早期可探查的行為指標。最後，對工具的基本資訊和實證效能進行了歸納總結，發現採用基於現有行為指標體系+家長問卷+初級醫生問卷的Canvasdx的整體效能最好，已達到臨床診斷標準（獲得FDA認證）。
ASD篩查工具的數字化已成為現實，甚至已有經過臨床認證並獲得國家藥監局批准的數字篩查工具面世。研發基於觀察式行為分析的數字篩查工具有以下優勢：
①
簡化傳統篩查程式，減少成本；
②
經實證研究能夠達到標準臨床效力；
③
實踐中能夠在不受時空地域等條件的限制下短時間內完成，監護人能夠較快獲得結果與建議；
④
使用數字化評定方法能夠減少操作員主觀標註帶來的誤差，有利於規範臨床篩查及診斷標準。
但目前的綜述也提出了本領域發展中存在的不足：
①
相關工具數量仍然較少，僅4個工具被納入研究範圍。說明現實應用中選擇面較窄。
②
現有工具使用的行為指標集來自既有標準或自研。針對既有標準的行為指標集，可能存在無法對標臨床診斷的風險
［27］
。針對自研指標集存在效能較低的問題，如VIRSA無法有效識別非ASD風險人群。
③
現有行為指標集常模和演算法模型訓練集均未有我國研究參與，尚待更多國內研究人員、臨床醫生共同參與相關工作。
隨著ASD篩查及診斷需求的日益增多與我國相應政策的推出，早期篩查將成為ASD防治的重點領域。為推進我國ASD早篩早治工作，幫助患者家庭儘早獲得幫助，同時減緩臨床基礎工作量，應考慮將研發適合中國人群的效能達標的ASD數字篩查工具提上日程。基於觀察式行為分析的ASD數字篩查工具作為現有模本，可從此領域切入，使研發路徑有跡可循，加快我國在ASD數字篩查研究領域的腳步。
參考文獻
［1］ American Psychiatric Association。 Diagnostic and Statistical Manual of Mental Disorders， 5th edition （DSM-V）［M］。 Washington （DC）： American Psychiatric Association， 2013。55-59。
［2］ Cederlund M， Hagberg B， Billstedt E， et al。 Asperger Syndrome and Autism： A Comparative Longitudinal Follow-Up Study More than 5 Years after Original Diagnosis［J］。 Journal of Autism and Developmental Disorders， 2008， 38（1）： 72-85。
［3］ Howlin P， Goode S， Hutton J， et al。 Adult outcome for children with autism［J］。 Journal of Child Psychology and Psychiatry， and Allied Disciplines， 2004， 45（2）： 212-229。
［4］ Lai MC， Lombardo MV， Baron-Cohen S。 Autism［J］。 The Lancet， 2014， 383（9920）： 896-910。
［5］ Zhou H， Xu X， Yan W， et al。 Prevalence of Autism Spectrum Disorder in China： A Nationwide Multi-Center Population-based Study Among Children Aged 6 to 12 Years［J］。 Neuroscience Bulletin， 2020， 36（9）： 961-971。
［6］ Bolton PF， Golding J， Emond A， et al。 Autism spectrum disorder and autistic traits in the Avon Longitudinal Study of Parents and Children： precursors and early signs［J］。 Journal of the American Academy of Child and Adolescent Psyc hiatry， 2012， 51（3）： 249-260。e25。
［7］ Kleinman JM， Ventola PE， Pandey J， et al。 Diagnostic stability in very
young children with autism spectrum disorders［J］。 Journal of Autism and Developmental Disorders， 2008， 38（4）： 606-615。
［8］ 中華醫學會兒科學分會發育行為學組，中國醫師協會兒科分會兒童保健專業委員會，兒童孤獨症診斷與防治技術和標準研究專案專家組。 孤獨症譜系障礙兒童早期識別篩查和早期干預專家共識［J］。 中華兒科雜誌， 2017， 55（12）： 890-897。
［9］ Constantino JN， Abbacchi AM， Saulnier C， et al。 Timing of the Diagnosis of Autism in African American Children［J］。 Pediatrics， 2020， 146（3）： e20193629。
［10］ Wu JL， Pan J。 The scarcity of child psychiatrists in China［J］。 The Lancet。 Psychiatry， 2019， 6（4）： 286-287。
［11］ Li WQ， Liu X， Dai Y， et al。 Age of diagnosis of autism spectrum disorder in children and factors influencing the age of diagnosis［J］。 Zhongguo Dang Dai Er Ke Za Zhi， 2018， 20（10）： 799-803。
［12］ Zwaigenbaum L， Bauman ML， Stone WL， et al。 Early Identification of Autism Spectrum Disorder： Recommendations for Practice and Research［J］。 Pediatrics， 2015， 136 Suppl 1： S10-40。
［13］ Monteiro SA， Spinks-Franklin A， Treadwell-Deering D， et al。 Prevalence of Autism Spectrum Disorder in Children Referred for Diagnostic Autism Evaluation［J］。 Clinical Pediatrics， 2015， 54（14）： 1322-1327。
［14］ Stewart JR， Vigil DC， Ryst E， et al。 Refining best practices for the diagnosis of autism： A comparison between individual healthcare practitioner diagnosis and transdisciplinary assessment［J］。 Nevada Journal of Public Health， 2014， 11（1）： 1-1。
［15］ Megerian JT， Dey S， Melmed RD， et al。 Evaluation of an artificial intelligence-based medical device for diagnosis of autism spectrum disorder［J］。 Digital Medicine， 2022， 5（1）： 57-57。
［16］ 張亮愷。 基於機器學習的自閉症兒童行為分析研究［D］。南京： 南京大學， 2019。
［17］ 邱曉露， 吳金星， 劉曉光， 等。“網際網路+醫療聯盟平臺”模式在孤獨症譜系障礙診療中的應用［J］。 中國數字醫學， 2021， （11）： 34-38。
［18］ 李圓圓。 基於“網際網路+”平臺篩查發育行為障礙兒童及體格狀況調查［D］。 重慶： 重慶醫科大學， 2019。
［19］ Nadig AS， Ozonoff S， Young GS， et al。 A prospective study of response to name in infants at risk for autism［J］。 Archives of Pediatrics & Adolescent Medicine， 2007， 161（4）： 378-383。
［20］ Elsabbagh M， Fernandes J， Webb SJ， et al。 Disengagement of visual attention in infancy is associated with emerging autism in toddlerhood［J］。 Biological Psychiatry， 2013， 74（3）： 189-194。
［21］ Zwaigenbaum L， Bryson S， Rogers T， et al。 Behavioral manifestations of autism in the first year of life［J］。 International Journal of Developmental Neuroscience， 2005， 23（2-3）： 143-152。
［22］ Ozonoff S， Iosif AM， Baguio F， et al。 A prospective study of the emergence of early behavioral signs of autism［J］。 Journal of the American Academy of Child and Adolescent Psychiatry， 2010， 49（3）： 256-266。e1-2。
［23］ Chawarska K， Macari S， Shic F。 Decreased spontaneous attention to social scenes in 6-month-old infants later diagnosed with autism spectrum disorders［J］。 Biological Psychiatry， 2013， 74（3）： 195-203。
［24］ Barbaro J， Dissanayake C。 Early markers of autism spectrum disorders in infants and toddlers prospectively identified in the Social Attention and Communication Study［J］。 Autism： The International Journal of Research and Practice， 2013， 17（1）： 64-86。
［25］ Perochon S， Di Martino M， Aiello R， et al。 A scalable computational approach to assessing response to name in toddlers with autism［J］。 Journal of Child Psychology and Psychiatry， 2021， 62（9）： 1120-1131。
［26］ Young GS， Constantino JN， Dvorak S， et al。 A video-based measure to identify autism risk in infancy［J］。 Journal of Child Psychology and Psychiatry， 2020， 61（1）： 88-94。
［27］ Bone D， Goodwin MS， Black MP， et al。 Applying machine learning to facilitate autism diagnostics： pitfalls and promises［J］。 Journal of Autism and Developmental Disorders， 2015， 45（5）： 1121-1136。
作者 金衍 馬增慧
文章發表於中國聽力語言康復科學雜誌2022年（第20卷）第5期