通过安妮塔·莱顿
更新2019年8月6日照片:iStockphoto
想象一下,你的儿子汤米快两岁了。他是一个害羞而可爱的小男孩,但他的行为有时难以预测。他扔得最差发脾气有时嚎啕大哭一小时。日常生活中最微小的变化都会使他心烦意乱。
我们在滑铁卢大学应用数学系的研究小组开发了一种新的ASD检测技术,可以区分不同的眼睛注视模式,帮助医生更快、更准确地检测儿童的ASD。
我们这样做是因为早期ASD诊断和干预有很多好处。研究发现,在四岁之前实施的干预措施与认知、语言和适应行为方面的显著进步有关。同样,研究人员将ASD早期干预的实施与日常生活技能和社会行为的改善联系起来。相反,较晚的诊断与父母压力增加和早期干预延迟有关,这对长期的积极结果至关重要。
ASD的症状通常出现在生命的头两年,影响孩子的社交能力。尽管目前的治疗方法各不相同,但大多数干预措施侧重于行为管理提高社交和沟通技巧。因为孩子越小,改变的能力越强,如果在生命早期就进行诊断和干预,人们可以期待最好的结果。
对自闭症谱系障碍的评估包括医学和神经学检查,关于儿童家族史、行为和发育的深入调查问卷,或者由心理学家进行评估。
不幸的是,这些诊断方法并不真正适合幼儿,而且可能很昂贵。可以想象,对于孩子们来说,仅仅看一些东西,比如狗的动画脸,比回答问卷中的问题或接受心理学家的评估要容易得多。
你可能会想:数学家和这有什么关系自闭症的检测?
这确实是我们小组参与的跨学科研究的一个例子。我们用数学作为显微镜来理解生物学和医学。我们建立计算机模型来模拟各种药物的效果,并应用数学技术来分析临床数据。
我们相信数学可以客观地区分自闭症儿童和正常儿童的行为。
我们知道,自闭症患者在视觉上探索和扫描人脸的方式与神经正常的人不同。在开发检测眼球注视模式的新技术的过程中,我们对40名儿童进行了评估,其中大多数是4岁或5岁的儿童。这些孩子中大约有一半是神经正常的,而其他人则患有自闭症。每位参与者在屏幕上展示了44张人脸照片,这些照片与眼球追踪系统相结合。
红外装置通过虹膜发射和反射的波来解释和识别每个孩子正在看的刺激物的位置。
这些图像被分成七个关键区域——我们将其命名为特征——参与者将目光集中在这些区域:右眼下方,右眼下方,左眼下方,左眼下方,鼻子,嘴巴和屏幕的其他部分。我们使用网络分析中的四个不同概念来评估儿童对这些特征的不同重视程度。
我们不仅想知道参与者花了多少时间看每个特征,我们还想知道他们是如何移动眼睛和扫描人脸的。
例如,研究人员已经知道,当看一个人的脸时,一个神经正常的孩子更多地关注眼睛,而一个自闭症儿童更多地关注嘴巴。此外,自闭症儿童对人脸的扫描方式也不同。例如,当他们的焦点从别人的眼睛转移到下巴时,一个神经正常的孩子可能会比一个自闭症儿童更快地移动他们的眼睛,并且通过不同的路径。
虽然目前还不可能进入医生的办公室并要求进行这项测试,但我们希望这项研究最终能减少诊断过程对孩子来说压力很大。
要使用这项技术,需要一个红外眼动仪,这是市售的,再加上我们的网络分析技术。我们已经解释了这些算法,所以任何想要的软件开发人员都可以从理论上实现它们。
通过消除早期诊断的一些障碍,我们希望更多的ASD儿童能够得到早期干预,从而提高生活质量,并在长期内更加独立。