港中大团队开发AI粪便检测：自闭症风险预测准确率91%

事件概述

香港中文大学医学院黄秀娟团队启动了一项基于人工智能的自闭症风险辅助评估试点计划。该研究通过分析儿童粪便样本中的微生物特征，结合机器学习模型，旨在为早期诊断提供客观的生物标志物参考，以缩短传统评估耗时并优化医疗资源配置。

核心信息

• 技术原理与数据基础：

  • 研究基于2021年至2023年招募的1627名（1岁至13岁）儿童数据，对比了自闭症与非自闭症儿童的肠道微生物组。
  • 研究发现自闭症儿童肠道菌群存在显著差异，涉及14种古菌、51种细菌、7种真菌、18种病毒、27个微生物基因及12条代谢途径的改变。
  • 基于上述多领域微生物标志物训练的AI模型，区分自闭症与非自闭症儿童的准确率达到91%。

• 检测流程与应用场景：

  • 采样方式：家长可居家采集少量粪便样本并邮寄至实验室。
  • 分析周期：实验室提取DNA后，通过AI算法计算风险，约一周内生成报告。
  • 结果分级：报告将儿童划分为“高风险”或“低风险”。
    • 高风险：建议尽早接受儿童精神科或发育行为专科评估，由专业医生完成最终确诊。
    • 低风险：建议持续观察，避免症状加剧，确诊比例显著低于高风险组。
  • 后续支持：团队已联合精神科医生建立转介机制，并筹建支持中心提供咨询与干预方案。

• 临床定位与局限性：

  • 辅助筛查：该技术定位为临床评估前的辅助工具，而非独立诊断依据。所有确诊仍需由医生结合临床表现完成。
  • 相关性证据：目前发现主要属于相关性研究，尚不能作为因果关系的直接证据。
  • 适用人群：试点优先面向2至6岁表现出重复性行为或社交缺陷等疑似症状的儿童。

未来方向

• 推广计划：团队计划于2026年7月（注：原文时间显示为2026年，可能为笔误或特定规划时间，此处依原文保留）在香港全面推出，并探索在中国内地开展临床研究验证。
• 成本预估：预计未来检测成本将低于1000港币，试点阶段对低收入家庭提供免费服务。
• 早期探索：团队正探索将该标志物应用于婴儿期（一岁前）无症状阶段的预测可能性，但目前仍处于研究阶段。