比较高功能型自闭症谱系障碍儿童、共病注意力缺陷多动障碍儿童及对照组儿童观看社交视频时的眼动追踪数据
2018年12月7日
这是一项定性比较案例研究，分析了三名参与者观看社交视频场景最初时刻的眼动追踪数据：一名自闭症谱系障碍患者、一名共患注意力缺陷多动障碍患者，以及一名神经发育典型对照个体。
眼动追踪方法可帮助特殊教育需求领域的研究人员探索自闭症谱系障碍（ASD）儿童与非自闭症儿童在观看社交场景视频时视觉注意力表现的差异。眼动追踪技术的主要优势在于，能够捕捉、量化并比较自闭症与非自闭症儿童在各种相关社交刺激上的视线路径和视觉注视时长。该方法的可视化演示至关重要。
由于在视频中选择目标分析区域的步骤可能难以仅通过文字说明清楚，因此首先引导儿童进入眼动追踪室，让他们坐在23英寸彩色LCD显示器前，眼动仪距离显示器60厘米。然后坐在儿童旁边，指导他们注视屏幕。
让另一位研究人员在隔板的另一侧操作眼动仪。让儿童观看屏幕上来回移动的校准点，眼动仪通过红外角膜反射技术捕捉其眼动，以确定视野范围。校准完成后，指导参与者依次观看社交视频，同时在观看过程中持续采集眼动数据。
总共提供三个社交情境视频供其观看。实验结束后，首先选择与情境相关的目标区域作为感兴趣区域（AOIs），例如在每个视频场景中面部或手部出现的前500毫秒，然后分析数据。在左侧面板的信息框中对这些感兴趣区域进行标注。
当前画面中的兴趣区域（AOI）添加和选择完成后，将底部面板时间轴上的游标移动到下一帧。然后，在眼动仪呈现视频软件中，逐帧手动调整视频中每个画面的兴趣区域位置和边界，因为随着社交视频故事情节的发展，人物或物体的移动会导致每个时间帧中的目标区域发生变化。如果某些现有的兴趣区域在当前场景中持续存在500毫秒，或在视频的新帧中不再相关，则可右键单击这些兴趣区域，以在新帧中将其停用。
然后，为了对眼动追踪指标进行统计分析，首先选择用于分析的媒体文件。点击“分析所选媒体”。选择描述性统计，并在“指标”中选择因变量测量。
然后，在行中选择“录制”，在列中选择“兴趣区媒体摘要”。点击“更新”以分析眼动追踪模式。最后，在软件中选择“可视化”和“注视图”，根据数据生成场景的扫描路径。
在左侧面板中选择媒体和录制内容以进行可视化。在底部时间轴上，将下方光标移至目标场景的起始位置，将上方光标移至目标场景的结束位置。确保数据字段选择“Accumulate”，以显示累积的扫描路径。
然后，最后单击“导出”和“可视化图像”，将扫描路径保存为单独的图像文件。此处，彩色椭圆表示感兴趣的区域。例如，在视频一的某个场景中，女性的面部、眼睛、嘴巴、手部、手机以及手提包，展示了该场景最初的注视时刻。
在社交场景中，蓝色点表示神经典型对照组儿童的扫描路径，绿色点表示孤独症谱系障碍（ASD）儿童的扫描路径，红色点表示共患注意力缺陷多动障碍（ASD-ADHD）儿童的扫描路径。图中各点表示视觉注视的位置。神经典型儿童的首次注视持续时间长于ASD儿童和ASD-ADHD儿童。
ASD-ADHD 儿童的总注视时间短于神经发育典型儿童和 ASD 儿童。此外，ASD 儿童的总注视次数最多，神经发育典型儿童次之，ASD-ADHD 儿童最少。眼动追踪证据表明，ASD 儿童在同时性和情境性地感知多种社会刺激方面存在困难，而共患 ASD-ADHD 的儿童则倾向于遗漏重要的瞬时信息，从而导致他们对社会情境做出误判。
查看完整文字稿并访问数千部科学视频
概述
这项定性比较案例研究分析了三名参与者的眼动追踪数据：一名患有自闭症谱系障碍，一名患有共病注意力缺陷-多动障碍，以及一名神经发育典型对照者。该研究旨在探讨在社交视频场景中视觉注意力的差异。
关键研究要素
科学领域
- 神经科学
- 心理学
- 特殊教育需求
背景
- 眼动追踪方法对于理解视觉注意具有重要价值。
- 注视模式的差异可能反映不同的社会信息加工能力。
- 自闭症儿童可能表现出独特的视觉注意行为。
- 眼动追踪技术的可视化演示有助于加深理解。
研究目的
- 比较自闭症儿童与非自闭症儿童的视觉注意力。
- 量化儿童对社会性刺激的眼动轨迹和注视持续时间。
- 为教育目的演示眼动追踪方法。
使用的方法
- 参与者被安排坐在配备眼动仪的显示器前。
- 指导参与者将注意力集中在屏幕上。
- 在观看视频期间记录眼动轨迹。
- 分析数据以识别视觉注意力的差异。
主要结果
- 在参与者中观察到不同的注视模式。
- 与对照组相比，自闭症儿童表现出不同的注视持续时间。
- 眼动追踪有效突显了视觉注意力的差异。
- 研究结果支持需要制定个性化的教育策略。
结论
- 眼动追踪是研究儿童视觉注意的有用工具。
- 理解注视行为有助于自闭症的干预措施制定。
- 该研究强调了视觉刺激在社会学习中的重要性。
常见问题
行业重要性概述
眼动追踪提供了一种基于视频的定量方法，用于评估神经发育障碍中的社会注意缺陷，支持中枢神经系统药物研发中的早期靶点验证。通过在自然社会观察过程中捕捉动态注视模式，该方法能够降低与社会信息加工通路相关的治疗假设的机制性风险。通过将行为终点与临床相关症状相匹配，该方法提高了临床前模型的预测可信度。
生物制药研发中的战略应用
早期发现与靶点验证
- 科学价值：通过量化对社会相关刺激（如面部、眼睛和手势）的注意偏向或回避，实现对治疗假设的验证。
- 操作价值：通过在与疾病相关的系统中对视觉注意力进行客观、可重复的测量，支持生物学风险的降低。
- 预测价值：通过识别能够使自闭症谱系障碍（ASD）及共病注意缺陷多动障碍（ADHD）模型中异常凝视模式正常化的化合物，助力项目筛选与决策。
筛选与检测方法开发
- 检测准备：建立经过验证的眼动追踪范式，用于高通量筛选影响社会性注意的药理学物质。
- 定量输出：生成可扩展的、基于指标的量化结果，包括在预定义兴趣区（AOI）内的注视持续时间、注视次数以及视线转移频率。
- 平台复用：通过一致的AOI标注和基于时间线的分析流程，实现跨研究的标准化。
转化与临床前研究
- 疾病相关性：采用生态学有效的社交视频刺激，模拟自闭症谱系障碍（ASD）及共病注意缺陷多动障碍（ADHD）的核心社交注意力缺陷。
- 转化连续性：通过将注视生物标志物与社交功能的临床终点相匹配，连接发现研究与临床前验证。
- 风险调整型推进：基于观看社交场景时注意力表现的剂量响应性变化，为决策提供依据。
流程与工作流整合
该方法可融入从靶点假设验证到先导化合物优化的整个发现流程，尤其适用于针对社会认知领域的中枢神经系统研究项目。
- Discovery Biology：通过将注意力缺陷与参与社会感知和执行功能的神经回路联系起来，支持通路机制的阐明。
- Screening：提供即用型定量凝视指标，可在不同处理条件下实现对化合物的可靠评估。
- Analytics：提供如平均注视持续时间和注视次数等统计输出，用于比较不同基因型或处理组之间的注意力参与程度。
- Translational Research：通过基于凝视的生物标志物与社会干预反应的预测性关联，实现与临床前研究的衔接。
- Enterprise Reuse：可作为可重复使用的行为表型分析平台，应用于多种神经发育障碍相关适应症。
运营与企业影响
- 科学价值：通过降低社会注意通路中的机制模糊性，提高预测可信度。
- 操作价值：通过逐帧兴趣区（AOI）追踪和软件驱动的分析，确保标准化和可重复性。
- 战略价值：通过实现生物活性化合物的早期识别，提升资本使用效率。
- 组合影响：通过在社会认知中采用客观且可转化的终点指标，支持经风险调整后的优先级排序。
实施注意事项
- 需要具备实验设计、眼动仪校准和行为神经科学方面的专业知识。
- 依赖基于红外角膜反射的眼动追踪系统，以及具备兴趣区（AOI）追踪功能的视频呈现软件。
- 需要跨团队对兴趣区（AOI）定义和基于时间线的分析流程进行标准化。
- 在将该范式应用于不同年龄组、刺激类型或共病状况时，需考虑适应性调整。
- 受限于逐帧手动调整兴趣区（AOI），若无自动化追踪解决方案，可能影响研究的可扩展性。
