优化功能连接扫描条件以预测自闭症特征

为什么在扫描中保持注意很重要

自闭症影响人们的沟通、互动和对周围世界的反应，但脑成像并不总是能充分捕捉这种复杂性。本研究提出了一个简单却有力的问题：当我们试图将脑活动与自闭症特质联系起来时，儿童在MRI扫描中在做什么，且这种选择是否重要？研究人员的结论是，重要。让儿童在扫描时集中精力完成一项要求较高的注意力任务，比单纯静止或被动观看社交场景更能揭示与自闭症特质相关的更清晰的脑标志。

寻找更清晰的大脑指纹

为探究这一点，科学家与63名青少年合作，其中有些人有自闭症，有些没有，他们参与了几种类型的脑扫描。在一种条件下，他们只是注视一个注视十字并休息。另一种条件下，他们观看了一些短视频片段，内容为桌旁的人物，眼神接触和语言被精心变换。在第三种条件下，他们执行一项具有挑战性的注意力任务，需要观看一系列快速呈现的城市和山景画面，对大多数图像按按钮，而对少数图像抑制反应。研究团队使用一种名为基于连接组的预测建模（connectome-based predictive modeling）的数据驱动方法，来检验在每种条件下的脑连接模式能在多大程度上预测每位儿童的自闭症症状评分。

注意力任务胜过静息安静

结果显示出明确的优胜者。在持续注意力任务中测得的脑连接性对临床评估的自闭症特质评分提供了最准确的预测。相比之下，在孩子静息或被动观看社会注意力视频时采集的扫描，产生的预测较弱且更具变异性。即使研究者将静息状态的数据量加倍，注意力任务的表现仍然更好。该模式在多种分析变体下都成立，包括不同的数据清理方法、不同的大脑分图，及聚焦于自闭症特定方面（如社交影响或重复行为）的模型。

从自闭症特质到日常注意力与社交技能

随后团队探讨了他们在青少年样本中发现的脑网络是否具有超出原始群体的意义。他们构建了一组“共识”连接，这些连接在注意力任务中持续与更高或更低的自闭症评分相关。将该网络应用于另一组25名完成相同任务的神经典型成年人时发现，那些脑模式显示较高自闭症特质的人在任务中的持续注意力往往较差。接着，他们使用两个大型公开儿童与青少年数据集中的静息或观看电影扫描（其中包括自闭症与注意力困难者），用相同网络估算“预测”的自闭症分数。这些预测分数虽为适中但可靠地预测了家长标准化报告的社会反应能力，包括总分及沟通、社交动机和重复刻板行为的分量表。

大脑地图揭示了什么

当研究者可视化其共识网络中的连接时，看到的是一种广泛分布的模式，涉及大脑的许多部分，而不是单一的“自闭症中心”。高阶联合区内及其之间的连接尤为突出，包括支持自我反思、计划和灵活注意控制的网络。在许多情况下，这些系统中更强的连接性与更高的自闭症特质或较差的注意力相关，这与其他研究在自闭症与注意力缺陷多动障碍中发现这些网络存在差异的结论相呼应。这种重叠支持了这样一种观点：自闭症特质与注意力能力相互交织，并由帮助人们应对复杂社交与认知需求的广泛回路共同塑造。

这对未来脑扫描意味着什么

总体而言，该研究表明，人们在扫描中所做的事情会显著影响脑数据捕捉现实世界自闭症特质的能力。结构化、有规则的注意力挑战似乎将大脑置于一种状态，使社交与注意相关特质的个体差异更易被观察到。这些发现并不能提供诊断性测试，且效应适中，但它们为未来的研究设计指明了实用路径，以便脑扫描更好地反映自闭症个体的真实体验。选择能可靠调动注意力与高阶思维的任务，可能是迈向更有用的基于大脑的自闭症及相关状况标志的重要一步。

引用: Horien, C., Mandino, F., Greene, A.S. et al. Optimizing functional connectivity scanning conditions for predicting autistic traits. Nat. Mental Health 4, 792–805 (2026). https://doi.org/10.1038/s44220-026-00623-7

关键词: 自闭症, 功能连接, 持续注意力, 脑网络, fMRI 任务