《Brain Sciences》：Cognitive and Motor Development in Autistic Children: A Multi-Modal Feasibility Study Combining Neuroimaging and Virtual Reality Paradigms
编辑推荐：
背景/目标：在典型和非典型发育中，越来越多的证据表明运动发展为其他领域的发展奠定了基础。本研究旨在考察自闭症儿童在虚拟现实（VR）环境中同时进行神经影像（功能性近红外光谱，fNIRS）采集的认知和运动研究型任务的可行性。方法：在单次研究访视中，参与者将佩戴fN
背景/目标：在典型和非典型发育中，越来越多的证据表明运动发展为其他领域的发展奠定了基础。本研究旨在考察自闭症儿童在虚拟现实（VR）环境中同时进行神经影像（功能性近红外光谱，fNIRS）采集的认知和运动研究型任务的可行性。方法：在单次研究访视中，参与者将佩戴fNIRS设备，在虚拟现实环境中完成基于研究的任务。补充程序将包括一系列标准化评估以及由照护者和儿童完成的问卷。预期结果：这些方法将产生丰富的数据组合——与研究型任务表现相关的运动学数据，以及该表现背后的神经关联。结论：本可行性研究的总体长期目标是利用多种研究方法探索自闭症儿童认知、运动和社会发展之间的相互关系。更好地理解这些关系及其神经关联将为未来研究、评估方法和自闭症谱系干预策略提供信息。
**研究背景与问题**
在典型及非典型发育过程中，运动发展并非孤立发生，而是为其他领域（如认知、语言和社会能力）的发展奠定基础。这种跨发展领域的相互影响被称为“发展级联”（developmental cascades）。在自闭症研究中，运动差异高度普遍，且与语言延迟、适应性行为缺陷和沟通障碍密切相关。然而，传统的自闭症诊断与评估金标准主要依赖行为观察，尤其侧重社交和认知特征，存在临床医生偏差、可能遗漏女性自闭症表现，且不适用于伴有严重运动或智力障碍的个体。因此，需要结合多种方法（如神经影像、运动追踪）来全面理解运动发展与其他领域的关联。功能性近红外光谱（fNIRS）具有便携、可承受运动伪影、对自闭症儿童耐受性好等优势，适合在运动任务中实时采集神经活动。虚拟现实（VR）可提供可控、沉浸式的任务环境，并记录高精度运动学数据。已有少数研究将VR与fNIRS结合用于自闭症评估，但该领域仍相对有限。为弥补这一空白，研究人员设计了本研究，旨在评估自闭症儿童在VR环境中执行认知—运动任务时同步收集fNIRS数据的可行性。
**研究设计与预期意义**
该研究方案拟招募50名自闭症儿童和50名非自闭症儿童（年龄8–12岁，右利手），从当地儿童医院临床研究数据库招募。研究采用Orsmond和Cohn（2015）的可行性研究框架，主要关注研究流程和数据收集程序。参与者将在单次访视中完成三项基于VR的认知—运动任务（气球爆破任务的变体），同时佩戴fNIRS头帽。任务基于Fitts定律和Go/No-Go范式，包含纯认知（Go/No-Go）、纯运动（Reach-and-Pop）和认知—运动（Go/No-Go Reach-and-Pop）三种条件。研究将通过主客观可行性问卷、fNIRS信号质量、运动学指标（反应时间、运动时间、达峰速度时间、达峰加速度时间、归一化 jerk）等评估可行性。该研究的长期目标是从多维度探索自闭症儿童认知、运动和社会发展的相互关系，为未来评估与干预提供基础。
**主要关键技术方法**
研究人员使用Meta Quest Pro头显（Meta Platforms, Inc.）和Touch控制器采集运动学数据，任务由Unity（Version 6000.4.7f1）开发。fNIRS采用NIRScout系统（NIRx Medical Technologies）和NIRStar（v15.3）软件，采样率10 Hz，探头布局基于10/10系统，8个光源和8个探测器构成20个通道，覆盖额叶和运动区。VR事件与fNIRS数据通过Lab Streaming Layer（LSL）同步，使用自定义Python脚本（v3.13.15）实现毫秒级时间对齐。运动学数据处理采用4 Hz二阶Butterworth滤波器，并计算反应时、运动时间等指标。样本来源：当地儿童医院临床研究数据库。数据预处理使用Homer3（v1.87.0）经MATLAB（R2024b）完成。
**研究结果（拟议分析）**
**3.1 fNIRS结果**
通过目视检查各通道信号质量，保留具有清晰稳定心脏搏动且运动伪影最少的通道。数据经Homer3处理，依次进行噪声通道修剪、运动伪影校正、原始数据转换为光密度、带通滤波、转换为氧合血红蛋白（HbO）、脱氧血红蛋白（HbR）和总血红蛋白（HbT）浓度。可行性定义为每位参与者保留≥60%（即≥12个）可用通道。
**3.2 运动表现结果**
Touch控制器内置惯性测量单元（IMU）和摄像头收集手部三维位置坐标，经滤波后计算以下运动学变量：
**3.2.1 反应时间（RT）**
定义为刺激呈现至运动启动之间的时间，运动启动阈值为手速超过0.01 m/s。
**3.2.2 运动时间（MT）**
定义为运动启动至运动停止之间的时间，即手速低于0.01 m/s的时刻。
**3.2.3 达峰速度时间（TTPV）**
从运动启动至达到手部运动速度峰值的时间。
**3.2.4 达峰加速度时间（TTPA）**
从运动启动至达到最大加速度的时间。
**3.2.5 归一化 jerk（NJ）**
通过加速度对时间的导数计算jerk，再按运动时长和路径长度归一化，量化运动的平滑度。NJ值越小表示运动越平滑。
**讨论与结论**
讨论部分指出，将神经影像与VR结合可为自闭症评估提供互补信息：VR提供丰富的行为学数据，fNIRS提供行为背后的神经生物学标记。该组合方法有望补充传统行为评估，并为制定个体化干预策略奠定基础。同时，研究也承认设计存在局限：fNIRS与VR同时佩戴可能造成感官过载；VR可能诱发网络病（cybersickness）；单一任务范式不足以概括自闭症儿童整体的认知和运动发展。未来需结合标准化评估（如BRIEF-2、BOT-3、SSIS）以验证行为数据并探索临床特征与任务表现的关系。
研究结论强调，该可行性研究及初步认知—运动数据将为未来探索自闭症儿童认知、运动和社会发展相互关系的研究奠定基础。通过将神经影像与虚拟现实范式相结合，研究人员希望将这两种方法作为传统评估（如ADOS）的补充，长期来看，能够推动多模态、整体性的自闭症研究，深化对自闭症大脑的理解，丰富评估方法，并改善自闭症谱系各阶段的支持策略。
该论文发表于《Brain Sciences》（原文未标注发表日期，根据DOI推测为2025年；此处仅按用户要求注明期刊名）。
