自闭症中感知的计算机制：利用受啮齿类动物操作性任务启发的游戏揭示

《SCIENCE ADVANCES》：Computational mechanisms of perception in autism revealed using games inspired by rodent operant tasks

　　

感觉改变是自闭症谱系障碍（ASD）的一个标志性特征，但其潜在机制仍不清楚，部分原因是功能障碍较重的个体常被排除在心理物理学研究之外。在此，研究人员介绍了GEODE（gathering evidence to optimize decisions；收集证据以优化决策），一款旨在测量整个自闭症谱系视觉感知的在线视频游戏。GEODE结合了来自动物训练的基于反馈的塑造程序来教授任务机制，定制图形与故事情节元素以维持参与度，以及触屏兼容性以提高可及性，从而使得包括重度自闭症青少年在内的参与者能够参与。在一个大型异质性队列中，自闭症参与者成功游玩了GEODE，但与典型发育兄弟姐妹相比，表现出较慢的学习速度和较低的正确率。这些缺陷最好用感觉证据整合中增加的噪声来解释，该噪声随刺激复杂性非线性增加，并且与适应性功能的标准调查测量之间的相关性比单纯诊断类别更密切。将等效噪声注入人工神经网络所产生的智能体，重现了自闭症样的学习和决策模式。这些发现将噪声证据整合认定为自闭症谱系中视觉感知改变的一种计算机制，并建立了一个可扩展、可及的平台，用于探究神经发育和神经精神疾病中感知与学习的改变。

研究背景

感知异常被认为是自闭症谱系障碍（autism spectrum disorder, ASD）的核心特征之一，但其计算机制仍不明确。既往心理物理学研究多依赖小样本，且常排除语言和智力受损较重的个体，导致结果不一致，也限制了与动物模型的转化衔接。为解决这些问题，研究人员开发了GEODE（gathering evidence to optimize decisions；收集证据以优化决策），一款受啮齿类操作性任务启发的在线视频游戏，旨在覆盖整个自闭症谱系。该研究发表于《SCIENCE ADVANCES》。

研究人员开展了什么研究

研究招募了来自SPARK、Simons Searchlight、Phelan-McDermid综合征基金会（PMSF）数据枢纽以及波士顿大学自闭症研究卓越中心（CARE）登记库的308名青少年（212名ASD，96名典型发育（typically developing, TD）兄弟姐妹）。家长或监护人完成社交反应量表（SRS-2）、文兰适应行为量表第三版（VABS-3）、成人/青少年感觉剖面（AASP）和行为灵活性量表（BIS）等问卷。游戏共200试次，前10试次为简单训练，之后为70:30随机闪光序列；游戏采用无言语反馈塑造、触摸屏、图形故事线和宝藏地图。分析中使用了逻辑回归、信号检测理论（signal detection theory, SDT）、分层贝叶斯模型（hierarchical Bayesian model, HBM-SDT），以及带噪声注入的长短期记忆（long short-term memory, LSTM）人工神经网络，并将模拟智能体与人类学习曲线进行最近邻匹配。研究结论是：ASD的感知和学习缺陷在一定程度上源于感觉整合噪声增加，且该噪声可作为可扩展、跨物种兼容的客观表型指标。

研究结果

GEODE游戏设计与可及性升级

研究人员展示了GEODE的设计：每侧最多10个闪光，闪现在250毫秒时间窗内出现，玩家通过点击屏幕中央化身开始试次，选择闪光更多的一侧获得奖励。游戏包含10个等级的宝藏地图，训练阶段使用10对0或9对1的闪光比例，之后使用随机生成的70:30比例。该设计使参与者无需语言指令即可通过试误学习规则。

参与者招募与标准化调查表征

通过四个数据库招募到跨谱系ASD样本，包括少数Phelan-McDermid综合征和16p缺失综合征个体。根据VABS-3分数将ASD参与者分为高适应性（≥75）和低适应性（<75）两组。超过75%的低适应性ASD参与者达到任务成功标准，其中包含部分重度自闭症个体。

自闭症谱系个体成功学会GEODE

学习曲线分析显示，三组在训练阶段无显著差异；进入全刺激后，ASD参与者的初始正确率更低、学习率更慢、平台期正确率更低。Bootstrap学习曲线拟合与Kolmogorov-Smirnov检验均证实组间差异显著（P<2.2×10^?16）。

ASD个体在证据累积上表现出缺陷

将闪光按250毫秒分箱后建立逻辑回归模型，发现各组时间整合模式相似，但ASD参与者的回归权重更低，组间主效应显著（F(2,24)=13.94，P<0.001，partial η²=0.54）。三维心理测量函数显示，ASD在小闪光差和高闪光总数条件下正确率更差，提示噪声可能随累积证据量增加。

更高的整合噪声解释ASD证据累积缺陷

SDT模型比较显示，标量变异性模型优于线性方差模型。ASD的整合噪声参数k₁显著高于TD（高适应ASD与TD差异为0.0287，95%CI [0.0120, 0.0453]，P_BH=0.00367；低适应ASD与TD差异为0.0658，95%CI [0.0464, 0.0852]，P_BH=2.79×10^?10），而初始噪声k₀无显著组间差异。

个体水平的感知与认知参数建模

HBM-SDT在个体水平上估计参数，发现ASD的k₁显著高于TD，且与心理测量函数斜率相关。ASD在侧偏好、赢-留和输-转换等试次历史参数上也存在显著差异，这些参数在复测中保持稳定。

整合噪声与社会及适应性领域症状严重程度相关

游戏指标与VABS-3的相关性最强，其次为SRS-2；正确率和心理测量函数斜率还与BIS相关，但未发现与AASP的显著相关。在匹配VABS-3分数的亚样本中，游戏指标组间差异减弱，提示游戏指标更多反映总体功能损伤而非单纯诊断标签。

人工学习智能体中的整合噪声产生ASD样特征

向LSTM网络输入层和循环层注入高斯噪声后，智能体的学习速度和平台期正确率随噪声增大而下降。通过最近邻匹配找到的ASD样智能体，复现了ASD人群较慢学习和较低最高表现的特征。

讨论与结论

讨论部分指出，ASD视觉感知整合缺陷在谱系中广泛存在，模型分析提示其源于整合过程噪声增加，且该噪声随视觉证据量非线性增长。这一噪声应理解为计算层面的机制，而非特定神经回路的直接证据；它可能源于感觉表征退化、注意波动或短时记忆限制。既往研究提示皮层感觉反应变异性及兴奋/抑制比改变可能是其基础。研究还发现ASD在非感觉信息（如侧偏好、赢-留和输-转换）的决策权重上存在差异，但需谨慎解释。ASD感知具有高度异质性，且GEODE表现与VABS-3的关系比诊断类别更紧密，提示该缺陷可能跨越不同神经发育障碍。GEODE作为一种可扩展、非语言、游戏化的平台，有望桥接人类行为与动物模型中的回路分析，并为神经发育和神经精神疾病提供客观表型工具。

研究结论：结果表明，ASD群体的视觉感知整合缺陷广泛存在；基于模型的分析显示，这些缺陷源自整合过程的噪声增加，且这种噪声随视觉证据量非线性增长；将等效噪声注入人工神经网络足以使智能体重现ASD样的学习与决策特征。