数字疗法在自闭症筛查到干预的临床研究进展与挑战

doi:10.12114/j.issn.1007-9572.2024.0131

中国全科医学 ›› 2025, Vol. 28 ›› Issue (14): 1702-1708.DOI: 10.12114/j.issn.1007-9572.2024.0131

数字疗法在自闭症筛查到干预的临床研究进展与挑战

曾泳添¹^,², 陈日玲³, 农雪艳³, 刘洲², 梁力中²^,⁴^,⁵^,^*(), 朱子健¹

1．524000　广东省湛江市，广东医科大学公共卫生学院
2．524000　广东省湛江市，广东医科大学附属医院
3．528000　广东省佛山市，广东医科大学顺德妇女儿童医院
4．524023　广东省湛江市，广东医科大学海洋与热带医学学院
5．524023　广东省湛江市，广东医科大学医疗保障研究院

收稿日期:2024-04-10 修回日期:2024-06-10 出版日期:2025-05-15 发布日期:2025-03-06
通讯作者: 梁力中
作者贡献：
曾泳添负责撰写文章和文章最终版本的修订；陈日玲、农雪艳、刘洲负责临床应用专业分析和文献分析；朱子健负责表格制作与修改；梁力中负责构思和文章的质量控制及审校。
基金资助:
广东省科技厅重大应用专项(2015B010131016); 湛江市科技计划项目(2021A05071)

Clinical Research Progress and Challenges of Digital Therapeutics from Screening to Intervention in Autism Spectrum Disorder

ZENG Yongtian¹^,², CHEN Riling³, NONG Xueyan³, LIU Zhou², LIANG Lizhong²^,⁴^,⁵^,^*(), ZHU Zijian¹

1. School of Public Health, Guangdong Medical University, Zhanjiang 524000, China
2. The Affiliated Hospital of Guangdong Medical University, Zhanjiang 524000, China
3. Shunde Women and Children's Hospital of Guangdong Medical University, Foshan 528000, China
4. School of Marine and Tropical Medicine, Guangdong Medical University, Zhanjiang 524023, China
5. Institute of Medical Security, Guangdong Medical University, Zhanjiang 524023, China

Received:2024-04-10 Revised:2024-06-10 Published:2025-05-15 Online:2025-03-06
Contact: LIANG Lizhong

分享到

摘要/Abstract

摘要： 自闭症在儿童中以社交（沟通）障碍和重复刻板的行为及狭隘兴趣为主要临床表现，影响着儿童的社交互动、沟通能力和行为模式。近年来，随着科技进步，数字疗法在自闭症的管理中发挥了重要作用，如多模态数据融合和机器学习算法能帮助早期识别自闭症，虚拟现实、增强现实和游戏化学习平台被广泛应用于提高自闭症儿童的社交技巧和认知功能。尽管数字疗法在自闭症领域中展现了巨大的可能性和效益，但也面临着包括治疗反应的个体差异、长期成效的不确定性以及数据隐私保护等在内的挑战。总体而言，数字疗法为自闭症的管理开辟了新的道路，同时也指出了未来研究和应用的重要方向。

关键词: 神经发育障碍, 自闭症, 数字疗法, 早期识别与筛查, 个性化医疗, 医疗健康数字化

Abstract:

In children, autism spectrum disorder (ASD) is primarily characterized by social (communication) impairments and repetitive, stereotyped behaviors and restricted interests, affecting children's social interaction, communication abilities, and behavioral patterns. In recent years, with technological advancements, digital therapeutics has played a significant role in managing ASD. For instance, multimodal data integration and machine learning algorithms have been used for the early identification of ASD, while virtual reality, augmented reality, and gamified learning platforms have been widely applied to enhance the social skills and cognitive functions of children with ASD. Although digital therapy has shown great potential and benefits in the field of autism, it also faces challenges, including individual differences in treatment response, uncertainty of long-term effectiveness, and data privacy protection. Overall, digital therapeutics has opened up a new path for the management of autism, and also points out important directions for future research and applications.

Key words: Neurodevelopmental disorders, Autism, Digital therapeutics, Early detection and screening, Personalized medicine, Digitalization in healthcare

中图分类号:

R 749.94

曾泳添,陈日玲,农雪艳,等. 数字疗法在自闭症筛查到干预的临床研究进展与挑战[J]. 中国全科医学, 2025, 28(14): 1702-1708. DOI: 10.12114/j.issn.1007-9572.2024.0131.
ZENG Yongtian,CHEN Riling,NONG Xueyan, et al. Clinical Research Progress and Challenges of Digital Therapeutics from Screening to Intervention in Autism Spectrum Disorder[J]. Chinese General Practice, 2025, 28(14): 1702-1708. DOI: 10.12114/j.issn.1007-9572.2024.0131.

图/表 1

参考文献 52

[1]	中华医学会儿科学分会发育行为学组，中国医师协会儿科分会儿童保健学组. 中国低龄孤独症谱系障碍患儿家庭干预专家共识[J]. 中华儿科杂志，2022，60(5)：395-400.
[2]	ELSABBAGH M, DIVAN G, KOH Y J, et al. Global prevalence of autism and other pervasive developmental disorders[J]. Autism Res，2012，5(3)：160-179. DOI：10.1002/aur.239.
[3]	ZHOU H, XU X, YAN W L, et al. Prevalence of autism spectrum disorder in China：a nationwide multi-center population-based study among children aged 6 to 12 years[J]. Neurosci Bull，2020，36(9)：961-971. DOI：10.1007/s12264-020-00530-6.
[4]	MAENNER M J, WARREN Z, WILLIAMS A R, et al. Prevalence and characteristics of autism spectrum disorder among children aged 8 years-autism and developmental disabilities monitoring network，11 sites，United States，2020[J]. MMWR Surveill Summ，2023，72(2)：1-14. DOI：10.15585/mmwr.ss7202a1.
[5]	ZWAIGENBAUM L, BAUMAN M L, STONE W L, et al. Early identification of autism spectrum disorder：recommendations for practice and research[J]. Pediatrics，2015，136(Suppl 1)：S10-40. DOI：10.1542/peds.2014-3667C.
[6]	动脉网.中国数字疗法行业白皮书[EB/OL].(2021-04-16)[2024-01-15].
[7]	李静雯，李曼，任海英. 数字疗法的应用现状研究[J]. 信息通信技术与政策，2022(2)：83-87.
[8]	LORD C, CHARMAN T, HAVDAHL A, et al. The Lancet Commission on the future of care and clinical research in autism[J]. Lancet，2022，399(10321)：271-334.
[9]	蔡郑婷，胡连信，王泽峰，等. 几种常见儿童孤独症谱系障碍筛查及诊断量表的比较研究[J]. 中国全科医学，2022，25(24)：2998-3004. DOI：10.12114/j.issn.1007-9572.2022.0231.
[10]	HIROTA T, KING B H. Autism spectrum disorder：a review[J]. JAMA，2023，329(2)：157-168.
[11]	TAYLOR L J, EAPEN V, MAYBERY M, et al. Brief report：an exploratory study of the diagnostic reliability for autism spectrum disorder[J]. J Autism Dev Disord，2017，47(5)：1551-1558. DOI：10.1007/s10803-017-3054-z.
[12]	ZABIHI M, FLORIS D L, KIA S M, et al. Fractionating autism based on neuroanatomical normative modeling[J]. Transl Psychiatry，2020，10(1)：384.
[13]	ZWAIGENBAUM L, MAGUIRE J. Autism screening：where do we go from here?[J]. Pediatrics，2019，144(4)：e20190925.
[14]	KOIRALA A, YU Z W, SCHILTZ H, et al. A preliminary exploration of virtual reality-based visual and touch sensory processing assessment for adolescents with autism spectrum disorder[J]. IEEE Trans Neural Syst Rehabil Eng，2021，29：619-628. DOI：10.1109/TNSRE.2021.3064148.
[15]	袁玉琢，骆方. 人工智能辅助的自闭症早期患者的筛查与诊断[J]. 心理科学进展，2022，30(10)：2303-2320.
[16]	WU X S, DENG H Y, JIAN S Y, et al. Global trends and hotspots in the digital therapeutics of autism spectrum disorders：a bibliometric analysis from 2002 to 2022[J]. Front Psychiatry，2023，14：1126404. DOI：10.3389/fpsyt.2023.1126404.
[17]	DEVEAU N, WASHINGTON P, LEBLANC E, et al. Machine learning models using mobile game play accurately classify children with autism[J]. Intell Based Med，2022，6：100057.
[18]	PEROCHON S, DI MARTINO J M, CARPENTER K L H, et al. Early detection of autism using digital behavioral phenotyping[J]. Nat Med，2023，29(10)：2489-2497.
[19]	AKTER T, ALI M H, KHAN M I, et al. Improved transfer-learning-based facial recognition framework to detect autistic children at an early stage[J]. Brain Sci，2021，11(6)：734.
[20]	MENG F C, LI F H, WU S X, et al. Machine learning-based early diagnosis of autism according to eye movements of real and artificial faces scanning[J]. Front Neurosci，2023，17：1170951.
[21]	廖梦怡，陈靓影，王广帅，等. 融合多模态数据的自闭症谱系障碍儿童智能化识别及其有效性[J]. 科学通报，2021，66(20)：2618-2628. DOI：10.1360/TB-2020-1635.
[22]	ZHU F L, WANG S H, LIU W B, et al. A multimodal machine learning system in early screening for toddlers with autism spectrum disorders based on the response to Name[J]. Front Psychiatry，2023，14：1039293. DOI：10.3389/fpsyt.2023.1039293.
[23]	ALI M T, GEBREIL A, ELNAKIEB Y, et al. A personalized classification of behavioral severity of autism spectrum disorder using a comprehensive machine learning framework[J]. Sci Rep，2023，13(1)：17048. DOI：10.1038/s41598-023-43478-z.
[24]	ALARIFI H, ALDHALAAN H, HADJIKHANI N, et al. Machine learning for distinguishing Saudi children with and without autism via eye-tracking data[J]. Child Adolesc Psychiatry Ment Health，2023，17(1)：112. DOI：10.1186/s13034-023-00662-3.
[25]	JONES W, KLAIMAN C, RICHARDSON S, et al. Development and replication of objective measurements of social visual engagement to aid in early diagnosis and assessment of autism[J]. JAMA Netw Open，2023，6(9)：e2330145.
[26]	DAWSON G. Could an eye-tracking test aid clinicians in making an autism diagnosis? New findings and a look to the future[J]. JAMA，2023，330(9)：815-817.
[27]	SUN B B, WANG B, WEI Z, et al. Identification of diagnostic markers for ASD：a restrictive interest analysis based on EEG combined with eye tracking[J]. Front Neurosci，2023，17：1236637. DOI：10.3389/fnins.2023.1236637.
[28]	HAN J X, JIANG G Q, OUYANG G X, et al. A multimodal approach for identifying autism spectrum disorders in children[J]. IEEE Trans Neural Syst Rehabil Eng，2022，30：2003-2011.
[29]	澎湃新闻.从新赛道到长趋势，数字疗法可成为下一数字蓝海?[EB/OL].(2020-01-06)[2024-01-15].
[30]	LIU R P, SALISBURY J P, VAHABZADEH A, et al. Feasibility of an autism-focused augmented reality smartglasses system for social communication and behavioral coaching[J]. Front Pediatr，2017，5：145. DOI：10.3389/fped.2017.00145.
[31]	SOLTIYEVA A, OLIVEIRA W, MADINA A, et al. My Lovely Granny's Farm：an immersive virtual reality training system for children with autism spectrum disorder[J]. Educ Inf Technol，2023：1-21. DOI：10.1007/s10639-023-11862-x.
[32]	VOSS C, SCHWARTZ J, DANIELS J, et al. Effect of wearable digital intervention for improving socialization in children with autism spectrum disorder：a randomized clinical trial[J]. JAMA Pediatr，2019，173(5)：446-454.
[33]	ZHAO J Q, ZHANG X X, LU Y, et al. Virtual reality technology enhances the cognitive and social communication of children with autism spectrum disorder[J]. Front Public Health，2022，10：1029392. DOI：10.3389/fpubh.2022.1029392.
[34]	LEE J H, LEE T S, YOO S Y, et al. Metaverse-based social skills training programme for children with autism spectrum disorder to improve social interaction ability：an open-label，single-centre，randomised controlled pilot trial[J]. EClinicalMedicine，2023，61：102072. DOI：10.1016/j.eclinm.2023.102072.
[35]	SOSNOWSKI D W, STOUGH C O, WEISS M J, et al. Brief report：a novel digital therapeutic that combines applied behavior analysis with gaze-contingent eye tracking to improve emotion recognition in children with autism spectrum disorder[J]. J Autism Dev Disord，2022，52(5)：2357-2366.
[36]	ROSENBLAU G, O'CONNELL G, HEEKEREN H R, et al. Neurobiological mechanisms of social cognition treatment in high-functioning adults with autism spectrum disorder[J]. Psychol Med，2020，50(14)：2374-2384.
[37]	YERYS B E, BERTOLLO J R, KENWORTHY L, et al. Brief report：pilot study of a novel interactive digital treatment to improve cognitive control in children with autism spectrum disorder and co-occurring ADHD symptoms[J]. J Autism Dev Disord，2019，49(4)：1727-1737. DOI：10.1007/s10803-018-3856-7.
[38]	CHU L T, SHEN L, MA C H, et al. Effects of a nonwearable digital therapeutic intervention on preschoolers with autism spectrum disorder in China：open-label randomized controlled trial[J]. J Med Internet Res，2023，25：e45836. DOI：10.2196/45836.
[39]	ODONE A, BUTTIGIEG S, RICCIARDI W, et al. Public health digitalization in Europe[J]. Eur J Public Health，2019，29(Supplement_3)：28-35. DOI：10.1093/eurpub/ckz161.
[40]	REASON J T. Motion sickness adaptation：a neural mismatch model[J]. J R Soc Med，1978，71(11)：819-829.
[41]	PRZYBYSZEWSKI A W, ŚLEDZIANOWSKI A, CHUDZIK A, et al. Machine learning and eye movements give insights into neurodegenerative disease mechanisms[J]. Sensors，2023，23(4)：2145. DOI：10.3390/s23042145.
[42]	VALORI I, BAYRAMOVA R, MCKENNA-PLUMLEY P E, et al. Sensorimotor research utilising immersive virtual reality：a pilot study with children and adults with autism spectrum disorders[J]. Brain Sci，2020，10(5)：259.
[43]	MALIHI M, NGUYEN J, CARDY R E, et al. Data-driven discovery of predictors of virtual reality safety and sense of presence for children with autism spectrum disorder：a pilot study[J]. Front Psychiatry，2020，11：669. DOI：10.3389/fpsyt.2020.00669.
[44]	SHAHMORADI L, REZAYI S. Cognitive rehabilitation in people with autism spectrum disorder：a systematic review of emerging virtual reality-based approaches[J]. J Neuroeng Rehabil，2022，19(1)：91. DOI：10.1186/s12984-022-01069-5.
[45]	TAN B L, SHI J, YANG S Y, et al. The use of virtual reality and augmented reality in psychosocial rehabilitation for adults with neurodevelopmental disorders：a systematic review[J]. Front Psychiatry，2022，13：1055204.
[46]	OLAGUEZ-GONZALEZ J M, CHAIREZ I, BRETON-DEVAL L, et al. Machine learning algorithms applied to predict autism spectrum disorder based on gut microbiome composition[J]. Biomedicines，2023，11(10)：2633. DOI：10.3390/biomedicines11102633.
[47]	ABDELHAMID N, THIND R, MOHAMMAD H, et al. Assessing autistic traits in toddlers using a data-driven approach with DSM-5 mapping[J]. Bioengineering，2023，10(10)：1131. DOI：10.3390/bioengineering10101131.
[48]	PANDINA G. The role of digital medicine in autism spectrum disorder[J]. Eur Neuropsychopharmacol，2021，48：42-44.
[49]	李宇欣，高向阳，李斯琦，等. 数字疗法的应用现状及未来展望[J]. 中国数字医学，2022，17(7)：39-44，84.
[50]	动脉网.中国数字疗法行业白皮书[EB/OL].(2023-12-01)[2024-01-15].
[51]	罗艺，刘姗姗，曾强. 数字疗法在慢性病管理中的应用[J]. 中国临床保健杂志，2023，26(4)：479-483.
[52]	刘重生. 数字疗法在国内面临的发展机遇与挑战[J]. 中国医疗器械杂志，2023，47(5)：473-477.

疗效	第一作者	研究设计	干预方法	年龄	局限性
社交互动与沟通能力	LIU^[30]	观察性研究	利用人工智能的游戏化增强现实应用程序	8岁和9岁	使用单一干预评估可行性，需要更大规模的研究
	SOLTIYEVA^[31]	观察性研究	自适应沉浸式虚拟现实训练系统	4~15岁	所有参与者来自同一个国家
	VOSS^[32]	观察性研究	人工智能驱动的可穿戴行为干预策略	6~12岁	参与者依从性低
	ZHAO^[33]	观察性研究	虚拟现实技术融入传统的康复训练	3~5岁	1.患者依从性低 2.在虚拟环境中儿童很难控制自己的行为 3.在认知和社会交往以外的发展领域没有显著差异
	LEE^[34]	随机对照试验	基于元宇宙的计划的社会技能训练	7~12岁	1.只招募了男孩参加这项研究 2.样本量较小
情绪识别和社会认知能力	SOSNOWSKI^[35]	随机对照试验	应用行为分析技术与凝视视线眼动追踪技术相结合	4-14岁	1.没有进行进一步的智力测试 2.没有进行额外的评估（例如ADOS-2、ADI-R）来确认研究参与者的自闭症诊断 3.不同研究条件下的退出率不同
情绪识别和社会认知能力	ROSENBLAU^[36]	随机对照试验	48名成年自闭症患者被随机分配到3个月的SCOTT或非社交计算机训练	18岁以上	1.样本量小 2.神经变化与社会认知改进之间的因果关系尚未明确
多任务处理和行为控制能力	YERYS^[37]	观察性研究	随机分配到多任务干预组和教育干预组	9~15岁	1.出现没有统计学意义的效果 2.未能满足TOVA API的入选标准 3.使用了一种与多任务治疗完全不同的对照治疗条件 4.样本量小
多任务处理和行为控制能力	CHU^[38]	随机对照试验	随机分配接受为期20周的VR-CBT加LSP干预（干预组）或仅LSP干预（对照组）	3~6岁	1.近一半的自闭症患者的智商较低 2.试验在上海的一家医院进行

疗效	第一作者	研究设计	干预方法	年龄	局限性
社交互动与沟通能力	LIU^[30]	观察性研究	利用人工智能的游戏化增强现实应用程序	8岁和9岁	使用单一干预评估可行性，需要更大规模的研究
	SOLTIYEVA^[31]	观察性研究	自适应沉浸式虚拟现实训练系统	4~15岁	所有参与者来自同一个国家
	VOSS^[32]	观察性研究	人工智能驱动的可穿戴行为干预策略	6~12岁	参与者依从性低
	ZHAO^[33]	观察性研究	虚拟现实技术融入传统的康复训练	3~5岁	1.患者依从性低 2.在虚拟环境中儿童很难控制自己的行为 3.在认知和社会交往以外的发展领域没有显著差异
	LEE^[34]	随机对照试验	基于元宇宙的计划的社会技能训练	7~12岁	1.只招募了男孩参加这项研究 2.样本量较小
情绪识别和社会认知能力	SOSNOWSKI^[35]	随机对照试验	应用行为分析技术与凝视视线眼动追踪技术相结合	4-14岁	1.没有进行进一步的智力测试 2.没有进行额外的评估（例如ADOS-2、ADI-R）来确认研究参与者的自闭症诊断 3.不同研究条件下的退出率不同
情绪识别和社会认知能力	ROSENBLAU^[36]	随机对照试验	48名成年自闭症患者被随机分配到3个月的SCOTT或非社交计算机训练	18岁以上	1.样本量小 2.神经变化与社会认知改进之间的因果关系尚未明确
多任务处理和行为控制能力	YERYS^[37]	观察性研究	随机分配到多任务干预组和教育干预组	9~15岁	1.出现没有统计学意义的效果 2.未能满足TOVA API的入选标准 3.使用了一种与多任务治疗完全不同的对照治疗条件 4.样本量小
多任务处理和行为控制能力	CHU^[38]	随机对照试验	随机分配接受为期20周的VR-CBT加LSP干预（干预组）或仅LSP干预（对照组）	3~6岁	1.近一半的自闭症患者的智商较低 2.试验在上海的一家医院进行

数字疗法在自闭症筛查到干预的临床研究进展与挑战

Clinical Research Progress and Challenges of Digital Therapeutics from Screening to Intervention in Autism Spectrum Disorder

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 1

参考文献 52

相关文章 5

编辑推荐

Metrics

留言

[1]	何清, 李琳, 王子涵, 代天顾, 张高钰, 樊佳溶, 肖响. 数字疗法在高血压疾病管理中的研究进展[J]. 中国全科医学, 2024, 27(26): 3204-3211.
[2]	中国睡眠研究会. 失眠数字疗法中国专家共识[J]. 中国全科医学, 2024, 27(04): 381-390.
[3]	滕小芸, 梁洁, 谭继磊, 孙俭凤, 梁华, 覃姗姗, 陆彩纳, 韦琴. 多感官干预促进早产儿脑功能发育的随机对照研究[J]. 中国全科医学, 2023, 26(02): 168-174.
[4]	蔡郑婷, 胡连信, 王泽峰, 谢广东, 林贤伟. 几种常见儿童孤独症谱系障碍筛查及诊断量表的比较研究[J]. 中国全科医学, 2022, 25(24): 2998-3004.
[5]	决珍珍, 宋娟, 张香敏, 张含, 董会敏, 李文冬, 徐发林. 新生儿坏死性小肠结肠炎并发神经发育障碍的危险因素研究[J]. 中国全科医学, 2022, 25(18): 2275-2279.