VOL 2924
“婴幼儿对几何图形的注视偏好可作为预警和诊断的重要参考！”
“太复杂的社交场景，反而不利于自闭症孩子学社交。”
近日，罗学荣教授在一次会议上分享了关于自闭症眼动追踪的研究成果。
罗学荣是中南大学湘雅二医院精神卫生研究所主任医师，精神病学科副主任，博士生导师。自1985年开始，对儿童自闭症的病因、临床评估、诊断与干预有深入的研究。
在他看来，自闭症的眼动追踪研究对于早期预警、干预有很大的指引价值。
本文根据罗学荣讲座及采访整理。
ASD眼追踪研究怎么做？
自闭症谱系障碍（Autism spectrum disorders, ASD）是一种起病于婴幼儿时期的神经发育障碍，其特征是在社交交流和社交互动方面出现不同程度的障碍，并伴有兴趣狭窄、动作和行为重复刻板。
近年来，ASD有患病率逐年上升的趋势，美国CDC最新发布数据为2.3%，我国一项多中心研究报告的患病率为0.70%。
目前，ASD的诊断多基于临床医生对症状的评估，缺乏客观的生物学指标。因此ASD的诊断相对发病年龄有所延迟，美国CDC报告的ASD诊断中位数年龄为3-6岁。
ASD公认的治疗方式为早期干预和教育训练，且干预越早，预后将越好。
因此，有必要寻找有助于早期预测、诊断ASD的生物标记物，从而实现早诊断，早治疗，帮助患者获得更好的预后。
眼追踪技术可以无创地定量测量眼动（如眼睛的注视位置、注视时长、扫描路径等），近几十年来，越来越多的研究将眼追踪技术运用于ASD诊断。
ASD眼动追踪运用比较多的场景是，在社交场景（动态）中，观察参与者感兴趣的区域。在社交刺激和非社交刺激同时呈现（静态或动态）时，观察参与者的注视偏好。
我们的研究团队常用有5个眼动范式。
第一个是人物模拟电风扇的旋转动作，观察参与者对局部兴趣的偏好。
第二个是人物模拟卡通动作，观察参与者对人造面孔的偏好。
第三个是看参与者能否跟随视频里人物的注视方向，观察患者的相互协调注意力。
第四个是在社交互动场景中，人物讲话时背后有很多物品，观察参与者的注意力分配情况。
我们还设计了复杂的社交场景，比如在幼儿园的环境中，几个小朋友在做游戏，观察参与者的注意力模式有无异常。
2017年的一项研究发现，将眼动刺激材料分为社交刺激和非社交刺激时，ASD患者注视非社交刺激时，和正常对照的注视差异最大。
在各类眼动范式中，注视人物互动时，ASD患者和正常对照组差异最大；对眼动刺激材料按照兴趣区划分，在眼睛和全脸兴趣区，ASD患者和正常对照的注视差异最大。
因此，我们团队的ASD眼动研究主要统计的眼动指标有：参与者对感兴趣区域的注视时间、注视次数；刺激开始后，参与者的注视首次进入感兴趣区域所需的时间等。
2岁前或可预测自闭症
利用眼动追踪标记物诊断ASD方面，国外已经有很多研究。
比如，利用几何偏好眼动范式诊断ASD。
2011年的一篇文献显示，研究者选取了37个ASD患儿，22个发育迟缓婴幼儿，51个正常发育的婴幼儿，每人观看一分钟视频，视频内容是并列呈现的单个人物做瑜伽和几何图形，用眼动追踪仪记录他们的注视行为数据。
研究发现，正常发育儿童更多注视人物的眼睛部位，功能很差的ASD孩子，更多注视几何图形。
这和我们临床上看到的ASD患者类似，他们大多喜欢旋转的灯箱和电风扇等。
2016年，一项发布在美国国立卫生研究院的文献显示，研究人员研究了六个不同组别的334名幼儿样本，其中115名患有ASD的幼儿，20名具有ASD特征的幼儿，57名患有发育迟缓的幼儿，53名患有其他疾病，64名具有典型发育的幼儿和25名ASD患儿的兄弟姐妹（未确诊）。
结果与以前的研究相似，一部分患有ASD的幼儿69%时间以上都在注视几何图形。而相比喜欢注视社交视频的ASD幼儿，喜欢注视几何图形的ASD婴幼儿，在认知、语言和社交技能方面较差。
这些结果表明，对几何图形的异常注视偏好，可能是一种症状较为严重的ASD亚型的早期生物学标记。
同样有研究利用动态几何和社交互动眼动范式，研究了1863名ASD、发育迟缓和正常发育12-48月龄儿童，发现以注视几何图形的时间大于 61.3% 为阈值诊断ASD，特异度是95%。
所以我们讲，几何偏好这一特征可以作为两岁前识别ASD特征。
最早2月龄就能发现迹象
2013年，Nature发布的一项研究显示。后来被诊断为ASD的婴儿，早在2月龄时，就已经表现出ASD迹象，这是最早能探测出ASD症状的阶段。
研究表明，2月龄到6月龄阶段，ASD患者存在较短的发育期，利用眼动注视特点能及早发现眼神异常。
并且，在2月龄到24月龄期间，ASD幼儿注视人物眼睛的时间随着年龄增长而降低。
虽然，这项发现仍停留在研究层面，但可以作为ASD儿童的早期预警。
这对一些高风险的ASD幼儿也有警示意义，所谓高风险ASD幼儿，指的是有确诊ASD的兄弟姐妹，低风险则代表没有。
还有研究发现，后来被诊断为ASD的婴幼儿和后期发展异常的幼儿，分别在10-18月龄时，很少能顺着别人的视线方向观察事物。
这也说明了社交障碍的婴幼儿，两岁前就表现出了相互协调注意异常。
希望这些研究，能对早期发现和早期干预，起到积极的作用。
不同范式区分效果如何？
以上这些研究都是国外的，国内也有ASD患者注视异常的相关研究。
我们知道ASD儿童害怕恐惧的表情，有一项研究选取了平均年龄为7岁的孩子，一组为22名高功能ASD患者，一组是22名普通男孩。
研究者们截取恐惧表情的眼睛区域，并给与12种不同汽车的高兴趣刺激和12种不同蔬菜的低兴趣刺激。
在高兴趣的刺激下，正常孩子和高功能ASD孩子对眼睛的注视和首次注视频率同时减少。
但只在ASD孩子组发现，当他们首次看向眼睛后，对眼睛的持续观看时间减少，首次注视看向物体后对眼睛的注视时间减少。
用人物动态眼动范式识别ASD方面。
播放一段人物在说英语字母的无声视频，观察发现ASD患者对眼睛、嘴、鼻子、身体、人、脸部注视时间显著减少。
几种常见眼动范式区分ASD的效果如何呢？有研究通过对比动态人物和动态几何，动态的生物运动和非生物运动，小孩玩玩具和玩具的静态图片。
结果发现，动态人物和动态几何范式区分ASD的效果最好。
建立机器模型用于诊断
找到了适合的眼动范式，下一步就是建立机器模型。
多种研究表明，ASD患者的注视行为会避开人物面部的中央区域。
还有研究说明，4岁以上的ASD儿童和正常儿童观看简单的社交刺激（1个小朋友）时，对社交刺激的注视没有差异，当社交刺激增加到2个或3个小朋友做游戏时，ASD儿童对社交刺激的注视减少。
可能是由于随着年龄增长，ASD儿童的社交和认知能力有所提高，能够处理简单的社交刺激时。
但这也提示我们，过于简单的社交刺激不足以引发ASD儿童和正常儿童的注视差异，无法将此用于诊断。
在这些研究的基础上，我们的研究团队对眼动范式进行了扩充，建立了ASD儿童眼动预测模型。
分别是，局限兴趣偏好、人造面孔偏好、场景复杂性偏好、社会互动范式、多种眼动范式模型。
综合多种眼动范式，我们选取了3个最重要的特征：人造面孔偏好范式中进入人物头部的潜伏期、对身体的关注时长、和2个小朋友互动时对人物头部的关注时长。
实验结果说明，多种眼动范式结合能够有效区分出ASD儿童，进入感兴趣区的潜伏期这项指标在甄别ASD疑似儿童方面能力更强，拟成为ASD疑似儿童的眼动预警标记物。
对干预的启发？
临床上，自闭症孩子一般2到3岁左右才能诊断。自闭症的眼动追踪研究还有意义吗？对干预有啥指引和借鉴呢？
当然有！以上研究成果提示我们：
ASD儿童对于社交线索丰富的区域（比如人物面部）不感兴趣，关注到这些区域所花的时间更长。
也就是说，在实际干预中，我们可以想办法缩短ASD儿童注视到社交线索的时间。比如调整社交场景，更换熟悉的场景、调整活动的难易、改变活动形式等。
其次，较为复杂的社交场景容易加大ASD儿童的认知负荷，可能会导致他们更加回避社交线索多的部位，反而不利于社交培养。
所以，社交干预时，我们应了解孩子的能力情况，并选择合宜的材料或场景。
另外，有研究发现，ASD患者对嘴巴/眼睛注视比例的降低意味着语言能力的提高；对非社交刺激的关注增加预示了干预效果不佳，相反，对社交刺激的关注增加预示着ASD患者可随着干预进行，发育水平提高更多。
也就是说，干预效果好不好，可以通过眼追踪标记物来检验。
最后，既往对ASD高危儿的眼动追踪表明，在9月龄时，他们就已经表现出较强的视觉搜索能力，这提示家长，增强的视觉搜索能力可能作为ASD预警的指标之一。
但需要注意的是，视觉搜索能力增强，是部分ASD儿童感知觉发展异常的表现，并不是所有ASD孩子都有这个表现。
从另一方面来看，如果家长发现孩子具备这方面特质，若加以合适的引导，也可作为兴趣或将来的职业方向培养。（大米和小米：英国有一位被称为“人肉照相机”的自闭症画家斯蒂芬·威尔夏，他有很强的视觉搜索能力，在陌生城市转一圈，就可以把街景建筑还原出来。）
*本文经罗学荣教授审校发布、罗学荣教授硕士研究生吴舒娴对本文亦有贡献。
参考文献：
1.Francesmonneris A, Pincus H, First M. Diagnostic and Statistical Manual of Mental Disorders: DSM-V [M]. Diagnostic and Statistical Manual of Mental Disorders: DSM-V, 2013.
2.Maenner M J, Shaw K A, Bakian A V, et al. Prevalence and Characteristics of Autism Spectrum Disorder Among Children Aged 8 Years - Autism and Developmental Disabilities Monitoring Network, 11 Sites, United States, 2018 [J]. Morbidity and mortality weekly report Surveillance summaries (Washington, DC : 2002), 2021, 70(11): 1-16.
3.Zhou H, Xu X, Yan W, et al. Prevalence of Autism Spectrum Disorder in China: A Nationwide Multi-center Population-based Study Among Children Aged 6 to 12 Years [J]. Neuroscience bulletin, 2020, 36(9): 961-71.
4.Wan G, Kong X, Sun B, et al. Applying Eye Tracking to Identify Autism Spectrum Disorder in Children [J]. Journal of autism and developmental disorders, 2019, 49(1): 209-15.
5.Pierce K, Marinero S, Hazin R, et al. Eye Tracking Reveals Abnormal Visual Preference for Geometric Images as an Early Biomarker of an Autism Spectrum Disorder Subtype Associated With Increased Symptom Severity [J]. Biological psychiatry, 2016, 79(8): 657-66.
6.Moore A, Wozniak M, Yousef A, et al. The geometric preference subtype in ASD: identifying a consistent, early-emerging phenomenon through eye tracking [J]. Molecular autism, 2018, 9(19.
7.Kwon M K, Moore A, Barnes C C, et al. Typical Levels of Eye-Region Fixation in Toddlers With Autism Spectrum Disorder Across Multiple Contexts [J]. Journal of the American Academy of Child and Adolescent Psychiatry, 2019, 58(10): 1004-15.
8.Li T, Li Y, Hu Y, et al. Heterogeneity of Visual Preferences for Biological and Repetitive Movements in Children With Autism Spectrum Disorder [J]. Autism research : official journal of the International Society for Autism Research, 2021, 14(1): 102-11.
9.Gong X, Li X, Wang Q, et al. Comparing visual preferences between autism spectrum disorder (ASD) and normal children to explore the characteristics of visual preference of ASD children by improved visual preference paradigm: a case-control study [J]. Translational pediatrics, 2021, 10(8): 2006-15.
10.Schaller U M, Biscaldi M, Burkhardt A, et al. ADOS-Eye-Tracking: The Archimedean Point of View and Its Absence in Autism Spectrum Conditions [J]. Frontiers in psychology, 2021, 12(584537.
11.Yaneva V, Ha L A, Eraslan S, et al. Detecting High-Functioning Autism in Adults Using Eye Tracking and Machine Learning [J]. IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society, 2020, 28(6): 1254-61.
12.Zhao Z, Tang H, Zhang X, et al. Classification of Children With Autism and Typical Development Using Eye-Tracking Data From Face-to-Face Conversations: Machine Learning Model Development and Performance Evaluation [J]. Journal of medical Internet research, 2021, 23(8): e29328.
13.Macari S, Milgramm A, Reed J, et al. Context-Specific Dyadic Attention Vulnerabilities During the First Year in Infants Later Developing Autism Spectrum Disorder [J]. Journal of the American Academy of Child and Adolescent Psychiatry, 2021, 60(1): 166-75.
14.Franchini M, Hamodat T, Armstrong V L, et al. Infants at Risk for Autism Spectrum Disorder: Frequency, Quality, and Variety of Joint Attention Behaviors [J]. Journal of abnormal child psychology, 2019, 47(5): 907-20.
15.Nystr?m P, Thorup E, B?lte S, et al. Joint Attention in Infancy and the Emergence of Autism [J]. Biological psychiatry, 2019, 86(8): 631-8.
16.Cheung C H M, Bedford R, Johnson M H, et al. Visual search performance in infants associates with later ASD diagnosis [J]. Developmental cognitive neuroscience, 2018, 29(4-10.
17.Bacon E C, Moore A, Lee Q, et al. Identifying prognostic markers in autism spectrum disorder using eye tracking [J]. Autism : the international journal of research and practice, 2020, 24(3): 658-69.
18.Bradshaw J, Shic F, Holden A N, et al. The Use of Eye Tracking as a Biomarker of Treatment Outcome in a Pilot Randomized Clinical Trial for Young Children with Autism [J]. Autism research : official journal of the International Society for Autism Research, 2019, 12(5): 779-93.
19.Greene R K, Parish-Morris J, Sullivan M, et al. Dynamic Eye Tracking as a Predictor and Outcome Measure of Social Skills Intervention in Adolescents and Adults with Autism Spectrum Disorder [J]. Journal of autism and developmental disorders, 2021, 51(4): 1173-87.
20.Latrèche K, Kojovic N, Franchini M, et al. Attention to Face as a Predictor of Developmental Change and Treatment Outcome in Young Children with Autism Spectrum Disorder [J]. Biomedicines, 2021, 9(8).
采写 | 眉沙
编辑 | 皮皮爸
内文图 | 罗学荣讲座PPT
封面图 | Pixabay