《Frontiers in Human Neuroscience》：Exploring motor speech patterns in adults with minimally verbal autism spectrum disorder through surface electromyography
编辑推荐：
摘要
引言：众所周知，标准化神经心理测试常因运动言语技能困难而无法捕捉最低限度语言自闭症谱系障碍（mvASD）个体的真实能力与全部技能范围。在此，研究人员采用表面肌电图（sEMG），一种非侵入性方法，在肌肉运动期间捕捉动作电位，以检查最低限度语言自闭症谱系
摘要
引言：众所周知，标准化神经心理测试常因运动言语技能困难而无法捕捉最低限度语言自闭症谱系障碍（mvASD）个体的真实能力与全部技能范围。在此，研究人员采用表面肌电图（sEMG），一种非侵入性方法，在肌肉运动期间捕捉动作电位，以检查最低限度语言自闭症谱系障碍（mvASD）成人的言语产生挑战的运动基础。方法：研究人员从放置在面部和颈部的8个传感器收集sEMG数据，同时参与者执行四项言语任务：模仿、命名和阅读单词，以及音节重复任务（交替运动速率，DDK）。研究人员比较了mvASD成人和神经典型对照（NT）在均方根（RMS）幅度、sEMG信号之间的平均相关性，以及从信号的自相关和互相关结构导出的运动复杂度测量，以捕捉言语产生过程中肌肉活动的动态协调。应用主成分分析（PCA）将特征值特征降维为紧凑的言语-运动表征，作为留一法交叉验证的组别预测模型的输入。结果：在所有言语任务中，与NT相比，mvASD组始终表现出面部和颈部肌肉传感器信号之间更强的相关性。这一发现表明肌肉活动耦合更紧密，反映了言语产生过程中可能更少分化的肌肉运动控制。这与mvASD参与者相比NT参与者运动协调复杂度较低（与自由度减少相关）的模式一致。结论：这些发现扩展了先前的工作，表明sEMG特征捕捉了mvASD成人和神经典型个体在多项言语任务中肌肉协调模式的差异。此外，从模仿和交替运动速率（DDK）任务导出的降维EMG表征显示出最强的组间区分能力，表明涉及重复所呈现话语的言语任务可能对mvASD中非典型的言语运动控制特别敏感。这些结果支持了sEMG作为客观工具用于表征言语运动表现和为最低限度语言个体的评估方法提供信息的潜力。
以下是根据论文主体内容撰写的1500字左右解读文章：
**研究背景与问题**
自闭症谱系障碍（ASD）是一种异质性神经发育状况，核心特征为社会沟通困难和受限重复行为。运动问题虽非诊断核心，但常早期出现。流行病学数据表明，运动里程碑延迟可能影响超过70%的自闭症人群。在ASD群体中，最低限度语言亚群（mvASD）以严重表达性语言障碍为特征，功能性口语能力不超过30个词。理解言语挑战需区分语言与运动言语约束：语言涉及认知符号系统，而运动言语是将心理表征转化为感知运动单元的生理过程。标准化神经心理测试常因运动言语困难而低估mvASD个体的真实能力，且其发展轨迹不典型，故需替代工具追踪发育或干预变化。表面肌电图（sEMG）作为一种非侵入性方法，可捕捉口面部肌肉活动，有潜力用于临床测量评估。先前研究显示运动言语不规则与表达语言能力相关，早期运动困难与语言发展差异有关，并指出精细运动技能可预测mvASD成人的表达性语言而非接受性语言。因此，本研究旨在通过sEMG基于言语手势概念表征mvASD的运动言语模式，探索sEMG能否量化mvASD在认知需求不同的言语任务中口面部运动协调的复杂性，为更精确的临床特征化提供依据。论文发表在《Frontiers in Human Neuroscience》。
**关键技术方法**
研究人员采用8通道可穿戴sEMG系统（Ag/AgCl电极置于面部和颈部肌肉，参考电极在耳部），数据通过OpenBCI Cyton生物传感板以250 Hz采样率采集。参与者为25名mvASD成人（16男9女，平均年龄25.8岁）和26名神经典型对照（NT，13男13女，平均年龄23.9岁），均来自马萨诸塞州综合医院Lurie自闭症中心等地的更大研究队列。关键方法包括：1）数据预处理：使用高通滤波、60 Hz陷波滤波、Ricker小波变换去除伪迹，带通滤波（0.5–8 Hz）提取言语包络；2）特征提取：计算均方根（RMS）幅度评估信号功率；计算通道间Pearson相关系数（零延迟）评估肌肉耦合；通过延迟嵌入（15个延迟，10 ms间隔）构建120×120自/互相关矩阵，提取特征值谱表征协调复杂度；3）主成分分析（PCA）降维后，采用逻辑回归模型（5折分层交叉验证）进行组别分类。
**研究结果**
**sEMG特征：平均RMS和相关性**
通过混合效应模型比较，mvASD组仅在模仿任务中表现出显著高于NT组的RMS幅度（p=0.000306）。而所有任务（命名、阅读、模仿、DDK）中，mvASD组均显示显著更强的通道间信号相关性（p<0.001）。这表明mvASD组肌肉活动耦合更紧密，反映言语产生过程中肌肉运动控制分化不足，与运动协调复杂度降低一致。
**运动复杂度**
对120个特征值进行Cohen's d效应量分析，DDK任务在较高指数特征值（接近第115个）处效应量达到-1.0，表明mvASD组在分布式协调模式上差异显著。整体模式显示，简单认知过程在低维表征中差异较小，而高维sEMG模式在所有任务中持续改变，DDK任务尤为突出，提示mvASD组自由度减少。
**分类**
采用逻辑回归模型，基于PCA保留95%方差成分，DDK任务平均AUC为0.7667（SD 0.2312），模仿任务为0.8167（SD 0.0697），命名任务为0.6667（SD 0.2485），阅读任务为0.4000（SD 0.3201）。模仿和DDK任务分类性能最佳，表明涉及重复产生话语的言语任务对mvASD的非典型言语运动控制特别敏感。
**讨论与结论**
本研究发现sEMG信号特征在模仿和DDK任务中具有最强区分mvASD与NT的能力。这提示运动言语差异在需要复现目标话语时可能最明显。模仿任务涉及注意、社会动机、运动协调和动作表征等多领域，可能放大了组间差异。mvASD组升高的幅度和耦合模式可能反映更受约束的协调策略，即肌肉以更少独立、更全局同步的方式被募集，可能代表稳定言语输出的补偿策略或基础运动网络差异。相关性特征优于RMS幅度，因其直接量化肌肉间耦合模式。研究局限性包括样本量较小、无法区分潜在机制、未直接测量神经机制。未来需更大样本、跨发育阶段研究，并整合神经影像。结论：通过提取量化言语任务中肌肉激活结构和相互依赖性的特征，研究人员从DDK和模仿任务实现了高精度分类。这些发现与运动协调差异一致，支持sEMG作为客观工具评估mvASD沟通能力，可能提供比传统言语评估更敏感的进展指标。
