基于连续时间马尔可夫链的自闭症社交注意动态建模：揭示注视转移模式的新视角

《Scientific Reports》：Modeling gaze behavior with continuous-time markov chains to investigate social attention dynamics in autism

本研究针对自闭症谱系障碍（ASC）儿童社交注意机制研究中的静态指标局限，开发了结合连续时间马尔可夫链（CTMC）和主成分分析（PCA）的动态注视行为建模框架。通过分析儿童观看自然社交互动视频时的注视转移倾向，发现ASC组表现出从社交相关区域更频繁脱离、向非社交区域持续注视的模式，而神经典型（NT）儿童则显示面孔间频繁交替注视和三角化注视模式。该研究为理解自闭症社交注意动态差异提供了新方法，对早期识别和干预具有重要价值。

　　

在自闭症研究领域，科学家们一直试图解开一个谜团：为什么自闭症谱系障碍（Autism Spectrum Condition，ASC）儿童在社交互动中表现出独特的视觉注意模式？传统研究多依赖于静态的注视时间指标，如注视持续时间（dwell time），这些指标虽然能够反映总体注意分配，却无法捕捉注意动态转移的细微变化。正如我们日常社交中视线不断在对话者面部、手势和环境间切换一样，注意的动态过程可能比静态分配更能反映社交认知的特点。

为了突破这一局限，来自意大利国家研究理事会等机构的研究团队在《Scientific Reports》上发表了一项创新研究，他们采用连续时间马尔可夫链（Continuous-Time Markov Chains，CTMC）结合主成分分析（Principal Component Analysis，PCA）的方法，对自闭症儿童的注视行为动态进行了深入探索。

研究团队设计了生态效度高的实验场景，让ASC儿童和神经典型（Neurotypical，NT）发育儿童观看四段25秒的视频，这些视频展示了成人与儿童之间的自然社交互动，包括两种感官社交常规（Sensory Social Routines，SSRs）和两种乐器演奏活动。通过眼动仪记录儿童观看视频时的注视点，研究人员定义了7个兴趣区（Areas of Interest，AOIs），包括成人面孔、儿童面孔、成人活动区、儿童活动区、左右分心物和背景。

关键技术方法

研究招募了51名29-93月龄的学前儿童（22名ASC，29名NT），使用SMI iView X? RED 250Hz眼动仪采集数据。通过连续时间马尔可夫链对6个社交相关AOI间的转移倾向进行建模，提取30个转移倾向特征，再利用主成分分析降维并可视化组间差异，最后通过弦图直观展示注视转移模式。

研究结果

马尔可夫链分析揭示注视动态差异

通过CTMC建模注视转移模式，研究发现ASC和NT儿童在社交互动观察中表现出显著不同的注视策略。

在感官社交常规（SSRs）试验中，NT儿童显示出显著更高的面孔相关AOI间的转移倾向，特别是在成人面孔和儿童面孔之间。这种频繁的面孔间注视交替支持社交同步和联合注意，是典型社交发展的基础。

相比之下，ASC儿童表现出更高的从社交线索脱离的倾向，更多地将注视转向非社交元素，如分心物和活动区，且从非社交区域重新定向回面孔的倾向较低。这一模式与社交动机减少或对社会过度刺激的适应性反应理论一致。

在乐器演奏活动中，NT儿童表现出协调的三角化注视模式，频繁在合作伙伴面孔和对方活动区之间转移注视，支持社交情境中注意的动态协调。而ASC儿童则表现出更多片段化的视觉探索，活动区之间的转移倾向更高，且更多从任务相关区域转向外围元素，显示社交参与线索整合减少。

主成分分析显示，ASC组在乐器试验中的注视分布更为分散，95%置信椭圆面积（136.0）显著大于NT组（35.4），表明自闭症儿童注视策略存在更大异质性。

与注视时间指标的比较

作为描述性基准，注视时间分析显示ASC儿童在面孔上花费的时间较少（成人面孔：ASC 11.28%±10.35 vs NT 23.19%±16.32；儿童面孔：ASC 14.35%±14.57 vs NT 20.70%±20.27），而在非社交元素上花费更多时间。这些静态差异证实了总体注意分配的社会性减少，但无法解释CTMC揭示的顺序模式（如SSRs中的面孔间协调、乐器试验中的跨伙伴三角化），突显了马尔可夫链方法在表征视觉探索动态方面的附加价值。

研究结论与意义

本研究通过创新的CTMC-PCA框架，揭示了自闭症社交注意的动态结构，超越了传统静态指标的限制。研究结果表明，ASC儿童的注视动态特征包括社交元素脱离增加、非社交元素持续注视、重新定向回社交线索减少，以及注视策略的更大异质性。

这些发现对理解自闭症的社交注意机制具有重要理论意义。动态注视模式可能反映了潜在的社交动机差异、注意控制特点或对感觉输入的处理方式不同。从临床角度看，这种细粒度的时间动态分析方法为早期识别、发展监测和个性化干预提供了有前景的途径。

该方法论框架的强项在于其能够捕捉个体差异和随时间变化的模式，为神经发育研究提供了强大的工具。未来在更大样本中的应用将进一步验证其作为生物标志物的潜力，并可能促进针对自闭症儿童独特注意特征的支持性环境设计。

值得注意的是，本研究也存在一些局限性，如样本量有限、组间性别不平衡、年龄范围较宽，以及兴趣区未编码刺激水平的互动事件等。未来的研究可以整合事件注释来更直接地将注视动态与互动事件联系起来。

总之，这项研究通过先进的计算模型揭示了自闭症社交注意的精细时间结构，为理解神经发育差异提供了新视角，也为早期识别和干预策略的开发奠定了方法论基础。