← 返回首頁

問卷漏答也能判讀:Quest2Dx以跨資料驗證探索帕金森氏症篩檢

從數百道健康問答中找出疾病線索,關鍵不只在辨識率,也在換一份問卷後是否依然可靠。新模型展現跨問卷判讀能力,但距離證實能在診間提早找出患者,還有驗證工作要做。

By SURL BioNews

一份健康問卷,可能留下需要進一步檢查的線索,也可能因為題目太多、答案不完整,讓訊息埋沒其中。美國倫斯勒理工學院(RPI)研究團隊提出人工智慧模型Quest2Dx,嘗試從自填問卷辨識帕金森氏症相關訊號,希望為基層醫療提供更容易使用的初步篩檢方式。

這項於11月4日刊登在《Nature Aging》的研究,把重點放在問卷分析的兩道實際障礙:受訪者會跳過問題,不同調查也會用不同措辭詢問相近的事情。Quest2Dx透過語言建模編碼問題與答案的意義,讓模型處理缺漏回覆,並將在一套問卷學到的資訊轉用到另一套問卷。

研究使用帕金森氏症進展標記計畫(PPMI Online)及Fox Insight兩個資料集。RPI公告與Medical Xpress刊載的同事件報導指出,兩套問卷分別有187題及超過300題;團隊以PPMI資料訓練,並利用Fox Insight進行外部驗證。這種測試比只在同一來源切分訓練與測試資料,更能檢視模型面對不同問卷時的適應能力。

論文摘要進一步區分了兩種評估:模型在各資料集內的受試者操作特徵曲線下面積(AUROC)分別為0.977與0.974;從PPMI Online轉用到Fox Insight時為0.920,反向轉用則為0.952。AUROC衡量模型區分兩組人的能力,不能直接解讀為答對比例,也不代表已證實能在症狀出現前預測發病。

問卷能否縮短,同樣影響它在診間的可用性。研究團隊依模型找出的資訊價值,挑選30道問題組成精簡版本,表現接近完整問卷。模型也能標示個別受訪者較具判別力的問答組合,讓判讀依據有機會被檢視,而不只是輸出一個分數。

這些線索包括起床、進食等日常活動困難,以及睡眠、焦慮和接觸工業溶劑等資訊。不過,相關表現也可能出現在其他疾病或生活情境中;模型認為某項答案有助分類,並不表示它能單獨確診,更不能據此認定因果關係。多項訊息如何共同構成風險訊號,才是這類工具要回答的問題。

研究顯示Quest2Dx優於多種比較方法,包括以Llama 2為基礎的做法,但仍會誤報與漏判。目前證據支持的是研究資料中的篩檢潛力。若要用於一般門診,下一步仍須確認:面對尚未確診、症狀混雜的就醫者,它能否適當引導後續評估,以及增加的轉診與檢查是否帶來實際效益。

References

  1. Rensselaer Polytechnic Institute
  2. Medical Xpress (provided by Rensselaer Polytechnic Institute)