自然面部动态使儿童自闭症谱系障碍异常表情表型的定量临床评估成为可能

为何日常的微笑与皱眉重要

家长、教师和临床医生常常感觉自闭症儿童在表达情感时“不同”，但这些差异难以用语言准确描述或量化。该研究表明，记录儿童玩耍和交谈的普通视频——不需要任何脚本化测试——可以被转化为关于面部随时间如何运动的详细、客观线索，有助于更早发现自闭症并更精确地理解症状严重程度。

观察真实生活瞬间，而非刻意安排的测试

研究人员并未要求儿童模仿面部或对特定图片作出反应，而是在轻松、无脚本的情境中记录了186名三到十岁的儿童，情境类似家庭或学校。现场提供了玩具、图画书和卡通片，成人仅与每位儿童互动，同时摄像机捕捉孩子的面部。99名儿童被诊断为自闭症，85名为典型发育的同龄人。家长事先完成了关于自闭症相关行为的标准清单，给研究团队提供了每位儿童受影响程度的参考分数。

将视频转化为情绪“签名”

从这些视频中，计算机视觉工具自动在每一帧中检测儿童的面部并估计其显示的五种基本情绪之一：中性、快乐、惊讶、悲伤或愤怒。研究团队随后超越了简单的情绪计数，衡量情绪随时间的变化（情绪变异度）、不同面部肌肉的激活强度（表情强度）以及面部不同部位肌肉协同运动的程度（面部协调性）。这三种要素为每个儿童创建了一种情绪“指纹”，既捕捉大范围的情绪波动，也记录面部运动的瞬时微小调整。

自闭与非自闭面孔的差异

当研究人员比较两组时，一个显著模式浮现：在通常友好的情境下，自闭症儿童更容易出现类似愤怒的表情且持续时间更长。情绪之间的转换路径也不同。例如，自闭症儿童较少从悲伤回到中性，更容易从其他情绪转入愤怒。在肌肉层面，他们的表情总体上更强烈，尤其是在通常并非某种情绪核心的面部区域。这种对“非核心”肌肉的过度使用，或许可以解释为何他们的表情看起来不清晰或不寻常。面部各部位之间的协调性也发生了变化，上下面部区域之间的耦合更强，暗示某些面部部位更倾向于一起运动，表现出更僵化、灵活性较差的模式。

从细微动作到筛查工具

这些详细的面部模式被证明是强有力的信号。仅使用情绪的宏观波动时，计算机模型在区分自闭症与典型发育方面能达到中等准确率。但当情绪变异度与表情强度和协调性结合时，系统能够约92%的时间正确分类儿童，并在标准准确性度量（AUC）上获得很高的分数。相同特征也能估计儿童在常用家长问卷上的症状严重程度，能解释约40%的分数差异——这是有意义的开端，尽管并不完美。

这对家庭和临床医生意味着什么

对非专业读者而言，结论是：人们常注意到的自闭症儿童那些“难以言说”的面部差异是真实的、可测量的，并且信息量很大。通过悄然分析日常互动而不是依赖简短、专家主导的测试，这一方法未来或可在诊所、学校甚至家庭中支持大规模、低负担的筛查。它不会取代完整的临床评估，但能帮助更早识别需要进一步评估的儿童，并提供一个更客观的窗口，观察他们的情绪表达如何与同龄人不同。

引用: Du, M., Shi, P., Liu, Z. et al. Naturalistic facial dynamics enable quantitative clinical assessment of atypical expression phenotypes in children with autism spectrum disorder. npj Digit. Med. 9, 183 (2026). https://doi.org/10.1038/s41746-026-02375-1

关键词: 自闭症谱系障碍, 面部表情, 计算机视觉, 数字健康筛查, 儿童发育