生物行移动版

长期以来，自闭症人群在面孔识别与表情解读方面的困难一直是神经科学领域的研究热点。自本世纪初耶鲁大学团队首次报道自闭症个体面孔加工脑区活动减弱以来，科学家们一直在试图揭示这些行为差异背后的神经机制。然而，受限于传统脑电图研究仅分析少数电极信号的局限，学界始终缺乏对全脑时空动态的整体认识。近日，一项发表于《Nature Mental Health》的大规模研究填补了这一空白，该研究由耶鲁大学医学院儿童研究中心哈里斯讲席教授、脑与心智健康中心主任James McPartland博士领衔，首次利用全脑128导脑电图结合机器学习方法，系统解析了自闭症儿童面孔特异性神经表征的时间动态特征。

全脑视角揭示面孔信号可区分度降低

McPartland将传统面孔识别研究比作仅通过监测市中心一条街道来理解整座城市的交通状况，而新方法则如同利用卫星影像俯瞰全城。研究团队基于自闭症临床试验生物标志物联盟（ABC-CT）的数据集，纳入了约400名不同年龄段的自闭症与神经典型儿童。实验中，受试者在观看人脸图片和日常物品图片的同时，佩戴128导脑电帽记录全脑电活动。随后，研究人员运用机器学习算法，检验能否根据脑电信号模式准确判断每个儿童当时观看的是面孔还是物体。

结果显示，在神经典型儿童中，脑电活动能够较为清晰地区分面孔与物体的观看状态；而在自闭症儿童中，这种区分度显著降低。第一作者、休斯顿大学心理学助理教授Jason Griffin博士指出：“我们在头皮上测量到的神经活动，在自闭症儿童中就是没有那么清晰可辨。”这一发现表明，自闭症个体面孔加工相关神经信号的独特性或信噪比存在本质差异，而非仅仅是活动强度的简单减弱。

发育轨迹偏离：面孔专门化缺失的关键证据

研究进一步揭示了令人瞩目的发育差异。在神经典型参与者中，根据脑电活动判断儿童观看内容的准确率随年龄增长而提高，反映出大脑面孔加工系统随发育日趋专门化。然而，自闭症儿童并未表现出这种随年龄增长的改善趋势。Griffin表示：“他们的面孔特异性加工没有遵循相同的发育轨迹。”McPartland进一步解释道：“当我们在非自闭症人群中看到这种预期的精细化与专门化时，我们在自闭症人群中看到的却是发育变化的减弱。”这一发现具有重要的病因学意义——它提示面孔加工差异更可能是自闭症内在发育特征的体现，而非单纯由生活经验积累所致，从而有助于区分神经学差异与后天经历的影响。

差异出现时间早于经典N170成分

在面孔加工的神经电生理研究中，N170成分是最受关注的指标之一——它通常在看到面孔后约170毫秒出现，既往研究已证实自闭症个体的N170潜伏期往往延迟。然而，本研究通过分析更宽广时间窗口内的全脑活动，发现了更为早期的差异证据。McPartland指出：“当我们采用涵盖完整时间范围信息的分析方法来审视面孔加工时，我们看到自闭症相关的差异出现得更早。”这意味着自闭症相关的面孔加工异常可能起源于视觉处理的更早期阶段，而非仅仅局限于N170所代表的中晚期加工环节，这对理解自闭症神经发育的时间窗口具有重要理论价值。

在临床转化层面，该研究为自闭症诊断生物标志物的开发迈出了第一步。目前自闭症诊断主要依赖行为评估，缺乏可靠的常规生物学检测手段。新发现的面孔相关脑活动模式有望未来用于辅助诊断或识别可能从社交技能训练等干预中获益的个体。研究团队同时强调，自闭症并不必然意味着需要干预，许多神经多样性个体并无相关困扰；但对于那些因面孔识别困难而在操场社交或求职面试中遭遇挑战的人群而言，早期支持可能尤为关键。McPartland总结道：“想象一下，当你难以感知他人面孔中的信息时，从操场到面试，生活将如何艰难。这是困扰许多自闭症个体的关键领域之一。”尽管距离临床应用尚需更多研究验证，但该工作无疑为探索自闭症大脑面孔加工机制及其童年期演变开辟了全新路径。