人工智能辅助平台对自闭症谱系障碍儿童治疗效果的12个月观察性研究

本研究针对自闭症谱系障碍(ASD)儿童治疗资源不足的现状，通过12个月纵向观察评估了CognitiveBotics人工智能(AI)平台联合常规疗法的效果。结果显示干预组在儿童自闭症评定量表(CARS)、Vineland社会成熟度(VSMS)等核心指标上取得统计学显著改善(P<0.001)，证实AI辅助技术可有效增强ASD儿童在社交、语言和认知领域的治疗成果，为资源有限地区提供了数字化解决方案。

　　

自闭症谱系障碍(ASD)作为一种神经发育性疾病，其核心症状表现为社交互动障碍、语言沟通困难以及重复刻板行为。随着全球发病率从1960年代的1/10,000骤升至现今的1/36，如何为ASD儿童提供及时有效的干预成为重大公共卫生挑战。传统疗法如应用行为分析(ABA)和语言治疗虽有效，但面临专业治疗师短缺、费用高昂及地域可及性差等瓶颈。COVID-19大流行期间，常规治疗的中断更使65%的治疗师转向数字技术，凸显了开发辅助工具的紧迫性。

为解决这一难题，彩虹儿童医院的研究团队开发了CognitiveBotics人工智能平台，并通过12个月观察性研究验证其疗效。该平台整合视频建模、AI互动游戏和聊天机器人等技术，提供涵盖社交情感、语言沟通等领域的227项个性化训练活动。研究采用儿童自闭症评定量表(CARS)、Vineland社会成熟度(VSMS)等标准化工具，对43名2-18岁ASD儿童进行基线(T1)和终点(T2)评估。

关键技术方法包括：1)基于AI的个性化学习计划(ILP)生成系统；2)多模态训练模块(视听刺激/聊天机器人/游戏)；3)自动化进度追踪仪表盘；4)采用CARS、VSMS等量表进行标准化评估；5)通过家长培训保障干预保真度。研究对象来自印度彩虹医院，最终40名完成研究的儿童中，35人构成干预组，5人作为对照组。

研究结果显示：干预组CARS评分从33.41(SD 1.89)显著降至28.34(SD 3.80)(P<0.001)，社交年龄(SA)提升56.84%，语言能力中接受性语言年龄(RLA)和表达性语言年龄(ELA)分别增长56.22%和59.93%(均P<0.001)。相比之下，对照组虽有所改善但未达统计学显著性。分层分析发现，基线功能水平较高的儿童获益更显著。

讨论部分指出，该平台通过三大机制发挥作用：1)游戏化设计提升注意力和参与度；2)实时数据反馈实现精准干预调整；3)家长协同强化家庭训练效果。尽管存在样本量小(40例)、城乡覆盖不全等局限，但研究证实AI辅助工具可有效弥补传统疗法缺口。特别值得注意的是，平台预设20分钟单次训练时长的设计，有效规避了屏幕过度使用风险。

这项发表在《JMIR Neurotechnology》的研究具有双重革新意义：方法学上，首次在印度人群中验证了AI平台对ASD的多维改善效果；临床上，为资源匮乏地区提供了可扩展的数字化解决方案。未来研究应扩大样本多样性，并探索区域语言适配等优化方向。该成果标志着数字疗法在神经发育障碍领域迈出重要一步，为构建"医院-家庭"协同干预网络提供了关键技术支撑。