人工智慧輔助自閉症診斷的表現與限制
人工智慧模型在辨識自閉症類群障礙症（ASD）與非ASD個體上的診斷準確度表現如何？
研究背景與問題
研究背景與問題自閉症類群障礙症（ASD）屬於異質性高的神經發育狀況，早期發現並介入有助於改善長期發展預後。然而傳統診斷流程高度仰賴臨床會談、行為觀察與標準化量表，需要具備專業訓練的人員執行，過程耗時且耗費醫療資源。近年來人工智慧被廣泛嘗試應用於篩檢與輔助診斷，但既有文獻採用的資料來源、演算模型與驗證方式差異極大，真實臨床效能仍缺乏具體整合評估。
評估各類人工智慧模型（介入）在臨床或疑似個體（族群）中，對比非自閉症控制組（比較），其區分ASD與非ASD的受試者層級敏感度、特異度與HSROC AUC（結果）。
研究怎麼做
研究怎麼做檢索PubMed、Embase、Cochrane Library、Web of Science及IEEE Xplore至2025年9月30日之文獻。納入提供個體層級2×2列聯表數據的AI輔助ASD診斷研究，排除主要基於結構或功能性腦部MRI的研究。採用改良版QUADAS-AI評估偏差風險與適用性，並以雙變量Reitsma隨機效應模型合併敏感度與特異度，計算HSROC曲線下面積，並針對資料集重疊、模型選取與參考標準品質執行敏感度分析。
證據細節
先確認研究設計與證據位置，再回到結果本身。
- 臨床前研究
- 個案報告
- 觀察性研究
- 隨機對照試驗
- 統合分析
第 5 級 · 統合分析系統性檢索並合併多項試驗的結果。
主要發現
主要發現- 主要統合分析納入26項研究，合併敏感度為0.908（95% CI: 0.861–0.940），合併特異度為0.868（95% CI: 0.830–0.898），HSROC AUC為0.936。
- 在排除重疊資料庫的獨立敏感度分析中（納入21項研究），合併敏感度降至0.870、特異度降至0.841，HSROC AUC降為0.900。
- QUADAS-AI評估顯示嚴重的偏差與適用性疑慮，88.5%的研究在受試者選擇領域評為高偏差風險，80.8%存在高適用性疑慮，69.2%在檢驗方法領域為高風險。
- 納入研究高度集中於兒童族群（21項），且絕大多數僅採用交叉驗證（15項）或留出驗證（5項），僅有5項研究提供獨立外部驗證數據。
- 統合迴歸分析顯示，年齡層（P=0.879）、資料模態（P=0.739）與驗證策略（P=0.181）皆未與診斷表現呈現顯著關聯，而演算法類別呈現整體關聯（P=0.030）。
在主要分析納入的26項研究中，雙變量Reitsma隨機效應模型估算的合併敏感度為0.908（95% CI: 0.861–0.940），合併特異度為0.868（95% CI: 0.830–0.898），對應的HSROC AUC為0.936（BCa 95% CI: 0.860–0.973）。然而研究間呈現極高的統計異質性，敏感度異質性I²為96.7%（τ²=1.05），特異度異質性I²為95.8%（τ²=0.30）。
進一步分析顯示，研究間的資料重疊與模型選取會影響數值樂觀度。當每個資料庫叢集僅保留一項代表性研究時（21項研究），合併敏感度降至0.870（95% CI: 0.820–0.908），合併特異度降至0.841（95% CI: 0.813–0.865），AUC降至0.900。若排除3項由審查者挑選表現最高模型的研究（剩餘23項），特異度降至0.829，AUC降至0.867。相對地，限制在16項參考標準明確的研究時，敏感度為0.910、特異度為0.903，AUC為0.957。
次組分析中，兒童組（21項）敏感度為0.911、特異度為0.875；成人或混合年齡組（4項）敏感度為0.953、特異度為0.858。在驗證方式上，外部驗證組（5項）敏感度為0.940、特異度為0.856。資料模態方面，臨床/行為資料（9項）敏感度為0.934、特異度為0.889；EEG（4項）敏感度為0.939、特異度為0.937；多模態資料（7項）敏感度為0.835、特異度為0.807。演算法以支持向量機（8項，敏感度0.922、特異度0.909）與集成學習（6項，敏感度0.857、特異度0.820）最為普遍。
我不做發展評估，讀這篇是因為皮膚科的AI研究有一模一樣的問題。
研究的邊界
研究限制
- 受試者選擇偏差普遍偏高，高達88.5%的研究因採用便利抽樣或典型病例對照設計而被列為高風險，難以代表臨床真實疑似個體。
- 多數研究缺乏獨立外部驗證，僅5項研究具備外部資料集測試，容易高估演算法在不同醫療機構間的泛化能力。
- 納入文獻存在資料庫重複使用現象，針對公共資料庫的多重發表可能對合併估計值帶來樂觀偏差。
這篇研究不能證明什麼
- 彙整多篇研究不等於高確定性證據，無法證明當前演算法能直接取代現行的臨床綜合評估。
- 無法證明特定資料模態（如腦波或多模態）在診斷能力上實質優於其他傳統臨床行為指標。
- 無法保證在兒科研究中建立的模型可直接外推並適用於成年自閉症個體的臨床診斷。
台灣目前可以這樣治療嗎？
把研究發現與台灣目前可取得的檢測或治療分開看。
- 核准狀態
食藥署核准清單中，應用人工智慧或機器學習技術的國產醫療器材許可證涵蓋腦部電腦斷層判讀、視網膜影像分析與心電圖分析等品項，未見以自閉症篩檢或輔助診斷為適應症者；輸入品項完整清單未能在官方網站取得，這部分無法確認。此類軟體在台屬醫療器材，依醫療器材管理法第 25 條，製造或輸入前須先取得許可證，審查依食藥署電腦輔助偵測與電腦輔助診斷查驗登記技術指引辦理。
- 臨床可近性
台灣現行流程仍以人工評估為主：自閉症與發展遲緩由兒童心智科或兒科醫師結合臨床觀察與測驗工具判斷，健保支付標準已列「智能評鑑」（45052C）與「心理測驗（全套）」（45058C）等認知功能測驗，由醫師依病情選用量表並檢附紀錄。國民健康署另補助 10 家兒童發展聯合評估重點中心與各縣市 75 家聯合評估中心。演算法輔助工具尚未納入這條常規流程。
讀完可能還想問
這項研究評估的演算法，能直接用來確診自閉症嗎？
不行。研究指出88.5%的文獻受試者選擇偏差偏高，多數僅用典型患者與健康人對照，且絕大多數缺乏外部驗證。作者明確結論目前的技術只能視為臨床輔助或篩檢工具，不能當作獨立確診依據。
如果演算法號稱有九成準確率，為什麼實際使用要保守看待？
因為原始數據存在資料庫重疊與挑選效應。當研究團隊剔除重複資料庫後，敏感度與特異度分別降至0.870與0.841；且排除挑選表現最高模型的文獻後，AUC更從0.936降至0.867，顯示真實效能可能低於帳面數字。
成年人如果懷疑有自閉症，能參考這些模型的準確度嗎？
目前證據非常有限。本篇分析納入的26項研究中，有21項完全針對兒童與青少年，僅有4項納入成人或混合年齡層，且該組樣本過少導致曲線擬合不穩定，無法直接推論到成人族群。
以上回答只依據本篇解讀的那份研究，不構成個別診療建議。
參考文獻
- Wang Q, Luo R, Wen Q.. Artificial intelligence for detecting autism spectrum disorder: a systematic review and meta-analysis.. Frontiers in public health. 2026. DOI: 10.3389/fpubh.2026.1923851. PMID: 42948225. 查看原文
發布日期 2026-11-04更新日期 2026-11-08
劉醫師怎麼看
臨床意義我不做發展評估，讀這篇是因為皮膚科的AI研究有一模一樣的問題。它收了26篇研究，AI辨識自閉症的合併敏感度0.908、特異度0.868，看起來很高；但88.5%的研究在受試者選擇上是高偏差風險，多數拿典型個案跟完全沒有狀況的孩子比。皮膚科的AI也常這樣訓練：教科書級的黑色素瘤，對上一看就是良性的痣。真實門診難的，是那些落在中間、需要鑑別的人。
誰該關注這篇研究這篇最直接的讀者，是正在等兒童發展聯合評估的家長，以及基層兒科和早療團隊。等評估的那幾個月很難熬，手上有一個寫著九成準確的工具，很難不拿來對照。成人或混合年齡只有4篇，結果不能直接套到成人身上；孩子的評估，交給兒童心智科或兒科的評估團隊。
臨床做法可能因此改變什麼這篇示範了讀AI準確率的順序，我看皮膚科的AI也照這個順序：先看拿掉重複資料庫後還剩多少，這篇敏感度降到0.870、特異度0.841；再看有沒有外部驗證，26篇裡只有5篇有。作者自己的結論也是：目前只能當篩檢、分流的輔助，不能拿來確診。
不會因此改變什麼確診仍然靠跨專業團隊的觀察、結構化評估和家長訪談，在台灣由兒童心智科或兒科醫師搭配測驗工具判斷。診斷的用處，是知道這個孩子在語言、感覺、社交上卡在哪裡，接著安排療育，這一段演算法替代不了。接下來要看的，是在真實轉介族群裡做的前瞻性、多中心研究。