《Cell》大语言模型解构自闭症诊断背后的临床直觉：改写诊断标准的新契机

《Cell》：Large language models deconstruct the clinical intuition behind diagnosing autism

当前，利用基因组检测或脑扫描诊断自闭症效果不佳，临床直觉仍是金标准。研究人员开展了利用大语言模型（LLMs）解构临床直觉的研究，发现重复刻板行为等对自闭症诊断更关键，这为修订诊断标准提供依据，有助于优化诊断工具。这项研究发表在《Cell》杂志上

　　

在当今社会，自闭症已成为一个备受关注的神经发育障碍问题，大约 1%-2% 的人符合当前自闭症的诊断标准。多年来，科研人员一直致力于寻找客观的诊断指标，期望能像找到其他疾病的生物标志物那样，为自闭症诊断提供精准依据。于是，他们在复杂的生物数据中探寻，像常见的基因变异图谱（全基因组关联研究，GWAS）和脑成像记录（磁共振成像，MRI），这些在生物医学领域广泛应用的高通量技术，承载着科研人员的希望。

然而，现实却给了他们沉重一击。尽管投入了大量的人力、物力和财力，这些方法却未能在日常临床诊断中发挥作用。以基因检测为例，自闭症具有高度遗传性，可遗传特质的基础分散在基因组众多微小的遗传差异中，这使得寻找可靠的基因标记困难重重。多基因风险评分（PRSs）虽试图解决这一问题，但大规模研究显示，其自闭症 PRS 模型仅能解释 2% 的自闭症特质观察变异。机器学习算法在诊断自闭症方面也不尽人意，不同种族样本测试时准确率差异大。脑成像技术同样面临挑战，从早期的研究到后来深度学习的应用，虽然准确率有所提升，但仍无法满足临床需求，从脑扫描中获取的关于自闭症的信息似乎十分有限。

在生物标志物难以突破的情况下，临床医生凭借多年训练和实践积累的临床直觉，成为自闭症诊断的 “中流砥柱”。但传统诊断指南在实施过程中出现偏差，与 20 年前相比，如今诊断所需的症状项目减少了一半。因此，深入挖掘临床直觉，从中获取对自闭症诊断更有价值的信息，成为当务之急。

来自加拿大的研究团队，包括 Mila - 魁北克人工智能研究所、蒙特利尔神经学研究所（MNI）等机构的研究人员，开展了一项别具一格的研究。他们利用大语言模型（LLMs），对超过 1000 名疑似自闭症儿童的 4000 多份数字健康记录进行分析，试图解构临床直觉背后的逻辑。研究人员首先使用预训练的通用语言模型，在大量通用文本上进行训练，然后在精心收集的临床数据集上进行微调，以预测自闭症诊断。为了实现可解释性，他们构建了一个可训练的单头注意力模块，作为语言模型框架的最后一层，该模块能够精准定位和标记对诊断至关重要的句子。

在研究过程中，研究人员采用了多种关键技术方法。首先，利用谷歌云平台的光学字符识别（OCR）技术，将扫描的医疗记录转换为文本格式，为后续分析做准备。接着，选择在大量法语语料上预训练的 FlauBERT（基于 RoBERTa 架构）语言模型，对其进行微调，使其适应自闭症诊断任务。同时，引入单头注意力机制，增强模型的可解释性，通过 5 折交叉验证评估模型性能。此外，还运用主成分分析（PCA）等方法对模型内部进行分析，并利用余弦相似度等指标评估模型与外部诊断标准的关联。

研究结果令人瞩目：

• 语言模型提取语义信息：经过微调的语言模型在独立报告上实现了 79.4% 的诊断分类准确率，显著优于传统自然语言处理方法，如标准词袋（BOW）模型和 Doc2Vec 算法。这表明该模型能够从非结构化的临床记录中有效提取相关信息，进而反映临床诊断思路。通过 PCA 分析发现，语言模型在微调后形成了一个有意义的自闭症感知嵌入空间，与自闭症诊断相关的句子能够与无关句子区分开来。并且，随着模型对报告信息的逐层处理，句子嵌入逐渐变得与诊断更加相关，在第 12 层达到最高诊断性能。

• 单头注意力模块解析关键句子：单头注意力模块成功找出了对自闭症诊断最为重要的句子，这些句子包含与自闭症相关的特定词汇，如 “拍打”“模仿言语”“字母” 等。对这些句子中词汇的频率分析显示，与非自闭症报告相比，自闭症确诊报告中与重复运动、特殊兴趣和感官处理相关的词汇出现频率更高。这进一步证明了该模块能够精准定位与自闭症诊断紧密相关的信息。

• 重新审视 DSM-5 标准：研究人员将 DSM-5 的七个自闭症诊断标准嵌入语言模型空间，通过计算余弦相似度发现，B1（刻板或重复的运动、物体使用或言语）、B3（高度受限、固定的兴趣，强度或焦点异常）和 B4（对感官输入的过度或低反应性，或对环境感官方面的异常兴趣）标准与自闭症相关句子更为相似，而 A1-A3（社交沟通和互动缺陷相关标准）和 B2（坚持相同性、不灵活遵守常规或仪式化行为相关标准）则携带较少的自闭症关键信息。此外，基于这些余弦相似度训练的线性判别分析（LDA）模型，能够以 0.905 的平均 AUC 预测自闭症诊断，进一步验证了这些发现。

在讨论部分，研究人员指出，当前对自闭症的定义和诊断标准存在诸多争议。长期以来，自闭症研究和临床实践过度关注社交缺陷，然而本研究发现，重复和刻板的感知行为、特殊兴趣和感官反应性才是更具自闭症特征的标准。现行的 DSM-5 标准在权重设置上，对社交缺陷标准的强调过多，而对重复行为等标准重视不足。实际上，重复行为等在自闭症诊断中更具特异性和可评估性，相比之下，社交技能在不同神经发育和精神疾病中表现相似，且更易随时间变化。此外，现有诊断工具往往关注自闭症儿童的缺陷，忽视了他们的认知和感知优势。基于此，研究人员认为有必要重新审视自闭症的诊断标准，这不仅有助于提高诊断的准确性，还可能为干预和治疗策略的制定提供新的方向。

这项研究发表在《Cell》杂志上，其意义重大。它揭示了大语言模型在解构临床直觉方面的巨大潜力，为重新认识自闭症诊断标准提供了实证依据。这一成果有望推动自闭症诊断工具的改进，使其更加精准和有效。同时，也为其他精神疾病的研究和诊断提供了新思路，促使科研人员更加重视临床经验与先进技术的结合，为精神医学领域的发展注入新的活力。