用布美他尼治疗自闭症：使用Q‑Finder机器学习算法识别应答者

这项研究对家庭为何重要

许多有自闭谱系障碍（ASD）儿童的家庭在寻找能真正帮助日常挑战的疗法，例如社交互动、沟通和应对变化。一种名为布美他尼的药物在早期较小的研究中显示出希望，但两项大型最终阶段临床试验似乎未达预期。本研究用机器学习方法重新审视那些令人失望的结果，提出一个关键问题：治疗是否实际上对部分儿童有帮助，只是在对所有人取平均时被掩盖了？

一款曾被看好的药物却似乎未达预期

布美他尼是一种古老的利尿药，被重新用于脑疾病研究，因为它影响脑细胞处理氯离子的方式，而氯在大脑抑制性信号中扮演重要角色。早期的2期试验在一千多名儿童中显示，布美他尼可能缓解核心自闭症症状并改善社会行为和情绪反应。基于这些结果，两项覆盖多个国家、在400多名儿童和青少年中开展的3期大型试验将布美他尼与安慰剂在为期六个月的对照中比较。当以常规方式分析整体人群时，在标准自闭症评估量表上未见药物与安慰剂之间的明显差异。

深入数据而不是对人人平均

研究者怀疑，自闭症症状模式的高度多样性可能掩盖了对某些类型儿童的真实益处。他们没有假设所有参与者都相同，而是使用一种名为Q‑Finder的有监督机器学习工具，搜索由试验入组时收集的信息定义的儿童亚组：包括对社交互动、重复行为、感觉问题、日常生活技能及整体临床印象的详细评分。该算法系统地测试许多简单的“特征组合”（例如，对日常变化轻度敏感但存在严重社交困难的儿童），并检验符合每种特征组合的儿童在布美他尼组是否比安慰剂组有更大改善，同时确保其余人群未表现出相同效应。

找到真正有反应的儿童

分别应用于低龄儿童（2–6岁）和较大儿童及青少年（7–17岁），并分别针对两种主要量表，该方法发现了若干布美他尼明显优于安慰剂的患者特征组合。有些亚组规模较小但显示出较大改善，另一些涵盖了约40%的试验人群仍表现出有意义的益处。一个一致的模式是：应答者常常具有特定的社交与沟通困难、重复行为以及对变化适应问题的组合，而不是在所有方面都出现极端困难。重要的是，其中若干应答者特征在另一个年龄组中得到重复验证，为这些发现增添了可信度。

对未来试验中可能获益人群的线索

在两项试验中，一个特征不断出现在已验证的应答者组中：在环境变化适应能力上被评为“轻度异常”的儿童——例如对例行变动或新情境的反应——并伴随其他社会或行为方面的困难。在这些儿童中，布美他尼在一项广泛使用的社交反应量表上比安慰剂带来更大的改善。该研究并未证明布美他尼对每一位自闭症儿童都有帮助，也未确切指出哪些行为改变最多。相反，它表明若未来试验聚焦于具有这些特定临床特征的儿童，可能会观察到更强且更可靠的疗效。

对个性化自闭症护理的意义

对非专业读者而言，结论是：将自闭症当作单一疾病而进行“一刀切”的药物试验，可能会掩盖真实的益处。通过使用机器学习将儿童划分为可临床理解的特征组合，本研究从被标记为阴性的试验中挽救出了有意义的信号。尽管还需在新的儿童群体中确认这些亚组并监测长期安全性，这项工作指向了一个未来：包括布美他尼在内的自闭症治疗可针对最有可能受益的儿童，而不是盲目地提供给所有人。

引用: Rabiei, H., Begnis, M., Lemonnier, E. et al. Treating autism with Bumetanide: Identification of responders using Q-Finder machine learning algorithm. Transl Psychiatry 16, 66 (2026). https://doi.org/10.1038/s41398-026-03848-3

关键词: 自闭症治疗, 精准医学, 机器学习, 布美他尼, 临床试验亚组