综述：基于互联网的多模态情绪识别训练在自闭症与非自闭症青少年中的可行性：一项试点研究

这篇综述探讨了基于互联网的多模态情绪识别训练(iMERAT)对自闭症谱系障碍(ASD)青少年的可行性，通过动态面部、声音及多模态情绪刺激的干预，证实该训练能显著提升情绪识别(ER)能力（效应量d=1.06-1.56），同时指出需优化情绪术语解释和技术适配性。

　　

背景
自闭症谱系障碍(ASD)以社交沟通障碍为核心特征，其中情绪识别(ER)缺陷发生率高达50-85%。研究显示，ER困难与焦虑、学业表现等密切相关，而传统单模态训练（如静态面部表情）生态效度有限。多模态干预通过整合动态面部、声音及复合表达，更贴近真实社交场景。

方法
试点研究纳入8名ASD和9名典型发育(TD)青少年，进行为期3周的iMERAT训练，每日20分钟。训练采用日内瓦多模态情绪数据库(Gemep)的144段动态视频，涵盖12种情绪（如愤怒、焦虑、喜悦）。通过情绪识别评估(ERAM)测试前后对比，结合混合方法（定量问卷+定性访谈）评估可行性。

结果

1. 可行性：参与者反馈训练难度适中（平均评分3.8/7），指令清晰（ASD组5.6/7），时长合理（4.8/7）。但ASD组指出情绪术语（如"disgust"）理解困难，建议简化语言。
2. 效果：ASD组ERAM总分提升显著（前测0.46 vs 后测0.63，p=0.001，d=1.43），音频(d=1.38)和视频(d=0.71)条件改善明显。贝叶斯分析支持H₁（BF₁₀=38.87）。TD组虽未达统计显著性，但呈现相似趋势。

技术优化建议

• 内容适配：需增加情绪定义的情景化解释，避免伪语言造成的理解障碍
• 技术稳定性：解决音频故障问题，优化移动端显示适配
• 材料多样性：扩展训练素材库以减少记忆效应

讨论
研究证实多模态训练对ASD青少年ER提升具有潜力，但受限于样本量(n=7)和缺乏对照组，结论需谨慎解读。未来研究应纳入活性对照、延长随访，并探索ER改善对真实社交功能的影响。值得注意的是，反馈机制（如即时正误提示）被参与者广泛认可，符合"练习-反馈"强化学习理论。

创新点
首次将成人多模态ER训练方案适配青少年群体，采用动态刺激增强生态效度。通过混合方法揭示ASD个体对技术干预的特殊需求，如术语简化与感官适配，为个性化数字疗法开发提供依据。

局限性
未控制重复测试效应，ERAM任务与真实社交场景的关联性待验证。此外，训练未涵盖文化多样性表达，可能影响泛化效果。

展望
结合生成式AI技术开发自适应训练系统，整合实时情绪识别反馈，或可进一步提升干预精准度。后续需探索ER训练与ASD核心症状（如社交动机）的交互机制。