人工智能拯救自闭症儿童？

科学家尝试借助人工智能尽早筛查发现自闭症患者，并根据患者的特点，开发有针对性的机器人来进行辅助治疗。

南方周末特约撰稿 祝叶华

“自闭”的原因

有关自闭症的起因众说纷纭。最初，自闭症被认为是由孕妈妈的不良习惯导致的；之后，科学家发现了自闭症的生物学基础，食物中的某种成分或某种疫苗被指认是诱发疾病的元凶；再后来，自身免疫反应也被牵扯进来。不过，近十年来科学家普遍认为自闭症是与遗传有关的疾病。

自闭症又称孤独症，2013年美国精神学会提出了一个全新的概念——孤独症谱系障碍（ASD），这个概念涵盖了孤独性障碍、阿斯伯格综合征、儿童期瓦解性障碍和广泛性发育障碍，这4个定型构成了时下常说的孤独症。社会交流和社会交往缺陷是孤独症最直观的表现。

一个新生命的诞生，在本质上意味着父母基因的重新洗牌，摸到什么牌，全凭运气。在这个概率事件中，父母的基因不仅决定了新生儿的外观，同时也影响着他们性格中的某些显著特征。而那些遗传性的疾病，如某些脑部疾病，在这次洗牌的过程中，患病的概率会被初步的确定下来。

此前针对自闭症的研究显示，男性自闭症患者的数量是女性的2到5倍，男女病例在数量上存在显著差异。旧金山大学的神经学家多年来一直在追踪这种疾病性别差异性的原因，他们认为，在婴儿成长过程中（尤其是出生的前几个月），婴儿大脑中“修剪”神经元间连接的小胶质细胞与自闭症谱系障碍有关。他们近两年的研究结果表明，在男孩和女孩的大脑中，这种细胞的数量和行为是不同的，这被认为有助于解释自闭症患者性别差异的问题。

作为一种异质性疾病，自闭症的遗传因素其实非常复杂。异质性疾病与典型的家族遗传性疾病不同，有这种疾病的患者就像雪花一样，片片相似，而又片片不同。同样是自闭症患者，每个人的患病因素可能大不相同，即使兄弟姐妹同患自闭症，在他们身上诱发疾病的基因突变在很大程度上也会大不相同。

除了基因测序，科学家也尝试借助人工智能来寻找自闭症的根源。在一篇发表于《自然神经科学》（Nature Neuroscience）的文章中，普林斯顿大学研究人员和纽约西蒙斯基金会的科学家们利用人工智能的技术分析了人类的基因，他们试图利用这种手段来寻找诱发自闭症的易感基因。实验收集了大量数据，包括基因在特定细胞中的活跃度、转录因子结合位点和其他关键基因组特征的位置以及蛋白质相互作用的机理，并通过机器学习的方法创建了基因相互作用图谱。通过比对已知自闭症风险基因与成百上千个未知基因，寻找出了两者的相似之处，最终证明了2500个基因与自闭症有关。

虽然科学家已经找出了数千种自闭症易感基因，但他们又很难判断出哪些基因是诱发自闭症的主要因素。此前的一部分科学家的研究结果显示，诱发自闭症的基因变异主要是发生在DNA中能直接编码蛋白质的区域（即编码区），但2018年4月，一项发表在《科学》（Science）杂志上的调查结果扩展了易感区域，科学家在这项最新的研究中发现，非编码区（调剂基因活性的DNA区域）的改变也可能会导致自闭症的产生，更为令人吃惊的是，这些变异倾向遗传自父亲。

患病的孩子不会去普通学校甚至是特殊学校，他们大多“困”在家里，所以有关自闭症患者的权威数字很难统计。不过可以知道的是，一般情况下，自闭症儿童的症状在3岁左右会逐渐显现出来，在此之前，如果能进行预测和筛选，对于疾病的干预和治疗，是否就掌握了主动权？

AI辅助筛查

在大脑开始发育之初，神经多样性的种子就已经被播种下，但自闭症的症状却是在这之后的两到三年内才被识别出。

研究人员很早就发现，与同龄孩子相比，自闭症孩子的大脑在儿童时期会生长过快，这就导致了自闭症孩子的脑容量比普通孩子要大，所以自闭症才会发生。不过人的大脑具有可塑性，在受到“损伤”后，人为进行干预会重塑患者大脑，从而补偿先天缺陷。由此来看，年龄是非常重要的切入点，越早发现，越早干预，孩子才有可能步入生活的正轨。

哭是新生儿带到世界的第一个语言，它代表了婴儿的一切生理需求和心理需求，是他们与父母最主要的交流方式。阿里安娜·安德森（Ariana Anderson）是4个孩子的母亲，也是加州大学洛杉矶分校的神经科学和人类行为研究所的教授。在被4个婴儿的哭声“磨”过耳朵后，她已经能轻易从新生儿的哭声中辨别出孩子的基本需求，她的耳朵已经知道了哪一种声音的意思是“喂我”“抱我”，哪些哭声是向她发出更严重的信号“疼痛”。通晓了婴儿“语言”的安德森想知道她是否能开发一种算法来翻译婴儿的语言。

5年的时间里，在分析了1700名婴儿的数万次“嚎叫”声后，安德森的婴儿翻译软件Chatterbaby被研发出来。这款免费的应用使用信号处理和机器学习算法来确定声音特征与婴儿的需求之间的关联，通过分析婴儿哭声频率和模式的变化，告诉父母们为什么他们的孩子在哭泣。目前这款应用的目的是帮助家长更好地了解自己的孩子，同时也协助加州大学洛杉矶分校的研究人员了解哭泣对婴儿本身的影响，他们可以利用父母在Chatterbaby应用中提供的婴儿哭泣记录和类似“凝视”和“抬头”的行为记录，来帮助识别可能产生发育障碍的婴儿。

在此前的研究中，布朗大学儿童风险研究中心的心理学家斯蒂芬·申克普夫（Stephen Sheinkopf）就已经证明了哭泣中有很强的神经学线索。尤其是在音高、能量和共振等声学特征上，这些特征可以通过专门的软件进行可视化和量化。而除了哭声诊断外，为了预测低龄婴儿的自闭症倾向，北卡罗来纳大学的研究人员开发了一套深度学习算法。他们使用人工智能（AI）对低龄婴儿的大脑进行扫描来筛选有自闭症倾向的幼儿。该研究招募了106名自闭症高危患儿（拥有患自闭症兄弟姐妹的婴儿）和42名低危婴儿（没有任何自闭症家族病史的婴儿），分别在他们6个月、12个月和24个月时扫描他们的大脑。结果发现，自闭症高危患儿在出生的12个月内，大脑的表面积较低危患儿有显著的增加，在12个月到24个月之间，高危患儿的大脑总体积显著增加。而在24个月时，有106名高危患儿被诊断患有自闭症。对这些确诊的患儿进行MRI扫描时发现，他们的大脑体积在12至24个月内增长更快，也正是在这个时间段，高危患儿的自闭症行为逐渐显露出来。

对于低龄孩子，要想做到自闭症的百分之百准确率的预测非常困难，这难易程度就如同让一个1周岁的孩子完成一份心理测试问卷一样。人工智能的辅助筛查虽然不足以拼凑出一个准确的诊断结果，但借助这一手段，可以将多种信息整合在一起，让患者从早期干预中受益。

与机器人相处

自闭症孩子会抗拒人类，但不会排斥玩具。

此前的研究结果显示，自闭症孩子会对机器人做出反应，所以为了帮助自闭症儿童学习社交技巧，克服社交障碍，机器人也被应用到自闭症儿童的治疗中，用以增加孩子学习良好社会行为的欲望。与人类相比，机器人吸引了许多自闭症儿童。有研究发现，与单纯的反应疗法或标准治疗相比，孩子们在接受机器人治疗时得分更高。在机器人的系统中，还可以针对每个孩子的喜好，输入多个场景，更加有针对性地进行治疗。

法国Aldebaran Robotics公司制造的Nao机器人可以走路、说话、跳舞，在陪伴自闭症孩子的过程中，Nao机器人会与孩子一起参与活动，试图提高他们阅读面部表情的能力和适当进行眼神交流的能力。2018年3月，英国一名4岁的自闭症男孩，在特殊医生Kasper的陪伴和引导下，不再疯狂叫喊挣扎，并且学会了慢慢平静下来吃饭。Kasper是一款专门针对自闭症儿童设计的机器人，在它的内部装有独特的程序，可以与自闭症儿童进行沟通，帮助他们提高社交能力。

除此之外，虚拟现实对自闭症儿童的早期干预也起到了一定的效果。虚拟现实技术具有不受时间空间限制的特点，同时也增加有针对性的训练计划的可实施性。让患者在虚拟现实的环境里接受训练，带来了走进孤独症儿童内心世界的新途径。2018年2月FDA批准了Cognoa公司用于检测儿童自闭症的人工智能平台，这也是FDA监管许可的首个用于自闭症筛查的II类诊断医疗设备，该应用程序适用于18个月至7岁的儿童，这个平台虽然不能提供诊断结果，但父母可以将评估项目提供给儿科医生，进行辅助诊断和治疗。