在神奇的大脑研究领域，有一个备受关注的话题 —— 自闭症谱系障碍（Autism Spectrum Disorder，ASD）。你知道吗？新生儿一出生就会被人类的声音吸引，在妈妈肚子里的时候，他们就开始熟悉外界的语音，出生后能精准辨别各种语音。可是，患有 ASD 的孩子却不太一样。他们对语音缺乏那种天生的兴趣，更喜欢沉浸在自己的小世界里，慢慢地、反复地探索周围的视觉环境，对像语音和生物运动这类动态刺激往往避而远之，觉得它们太过 “吵闹” 和复杂 。

研究发现，ASD 儿童存在基本的听觉功能障碍，这可能会导致他们在语音处理上出现问题，进而对语音的兴趣降低。而且，他们在语音处理方面的异常在早期发育阶段就有所显现，相关的神经振荡异常还能预测未来语言能力缺陷的严重程度。另外，ASD 儿童偏好静态或缓慢的视觉处理，这可能会进一步加剧他们在语音接收上的困难，因为动态的视听交互对在复杂环境中接收语音至关重要，而他们似乎在这方面 “掉了链子”，存在视听整合方面的问题。

尽管之前的研究已经发现了 ASD 儿童在 3 岁左右存在听觉处理异常，但我们还不清楚这些异常是否与动态视听同步异常有关。为了填补这个重要的知识空白，来自山东大学基础医学院医学心理学与伦理学系、日内瓦大学基础神经科学系等多个单位的研究人员，在《Journal of Neurodevelopmental Disorders》期刊上发表了一篇名为 “Atypical audio-visual neural synchrony and speech processing in early autism” 的论文 。他们通过研究发现，ASD 儿童在视听整合方面存在明显异常，这种异常与他们早期语音处理异常紧密相关，并且还发现了视听时间同步失调对语音处理的影响，这为理解 ASD 儿童的沟通障碍提供了新的视角，对未来开发针对性的干预措施也有着重要意义。

为了开展这项研究，研究人员采用了好几种关键技术方法。首先是高密度脑电图（High-Density Electroencephalography，HD-EEG）技术，它就像一个 “大脑活动探测器”，可以精准记录孩子们大脑在活动时产生的电信号变化。还有眼动追踪技术，借助 Tobii TX300 眼动追踪系统，能够实时捕捉孩子们观看视频时的目光轨迹和注视模式，看看他们到底在看哪儿。研究人员让孩子们观看适合他们年龄的法国卡通片《TROTRO》，同时利用这些技术记录大脑活动和注视行为。之后，对采集到的数据进行一系列复杂的处理和分析，像用 Temporal Response Functions 模型分析神经对刺激的反应，通过相位分析来研究视听时间协调情况等。

下面我们来看看具体的研究结果。

研究人员发现，ASD 儿童和典型发育（Typically Developing，TD）儿童对刺激的听觉和视觉部分，有着截然不同的神经追踪模式。从头皮分布模式上看，两组就有明显差异。和 TD 儿童相比，ASD 儿童对语音包络的神经反应明显减弱。在刺激重建准确性的比较中，也能发现类似的结果。在 TD 儿童组，语音包络和视觉运动的重建准确性差不多；但在 ASD 儿童组，语音的重建准确性明显低于视觉运动。这就好像 ASD 儿童的大脑在 “听” 语音方面不太给力，而 “看” 的能力还比较正常。这表明，ASD 儿童在处理动态交际刺激时，视觉处理能力完好，但听觉处理存在异常。

研究人员接着探究，ASD 儿童的语音异常仅仅是听觉处理困难，还是和视听处理异常有关。联合模型显示，ASD 组的视听表征比 TD 组要弱。在比较单变量和多变量模型对语音包络和视觉运动的解码准确性时，他们发现了两组之间不同的视听整合模式。在 TD 组，视听联合模型（AV-joint）对语音包络的解码准确性和仅听觉模型（A-only）没有明显差异；但在 ASD 组，AV-joint 模型对语音包络的解码准确性明显低于 A-only 模型，这说明在 ASD 儿童中，视听整合反而干扰了听觉处理。另外，两组在视觉运动重建准确性上，AV-joint 模型都比仅视觉模型（V-only）低，而且 ASD 组下降得更明显，这意味着 ASD 儿童在整合视听语音信号时，视觉处理受到的影响更大。更有趣的是，在分析视听整合的时间动态时，发现 TD 组听觉解码在约 200 毫秒时达到显著，视觉解码在约 50 毫秒；而 ASD 组则完全相反，视觉解码约 200 毫秒，听觉解码约 50 毫秒，这表明 ASD 儿童的感觉处理顺序发生了根本性的变化。

为了弄清楚 ASD 儿童语音追踪异常是因为一般的刺激与大脑同步缺陷，还是视听整合问题，研究人员分析了 delta（1 - 4Hz）和 theta（4 - 8Hz）频段的刺激 - 反应关系。结果发现，两组在 delta 频段的刺激与大脑的相干性都比 theta 频段高，而且平均相干值和分布模式都很相似，这说明两组在神经与视听刺激同步的能力上是差不多的。不过，在 theta 频段就不一样了。在 delta 频段，两组的相位角相似，说明在这个频率上模态间的相位锁定情况差不多；但在 theta 频段，ASD 儿童的相位差达到了 180 度，和 TD 儿童组的差异非常显著。这就好像 ASD 儿童大脑里的听觉和视觉信息 “各走各的路”，不同步，一个在高效处理信息时，另一个却处于低效状态，这可能会导致感觉处理混乱。

最后，研究人员探索了 theta 频段的 AV 相位差和单模态框架下视听信息重建准确性之间的关系。在 TD 儿童中，AV 相位差对视觉重建准确性没有影响，但和语音重建准确性呈弱负相关，也就是说相位差越大，语音重建准确性越低，这可能和之前发现的 TD 儿童视觉领先的模式有关。而在 ASD 儿童中，情况又不一样，相位差和语音重建准确性没有关系，但和视觉信息重建准确性呈弱负相关，相位差越大，视觉重建准确性越差，这可能和 ASD 儿童听觉领先的模式存在因果关系。

综合这些研究结果，研究人员得出结论：ASD 儿童在视听整合方面存在显著异常，这种异常为之前发现的语音节奏追踪障碍提供了特定的解释。视听整合的紊乱，表现为时间不同步，会影响语音处理，进而导致 ASD 儿童出现沟通障碍。这一研究结果凸显了时间处理在视听整合中的关键作用，也强调了研究这些机制对于理解 ASD 的重要性。

从这次研究中，我们能看到视听整合异常对 ASD 儿童的影响比我们之前认为的更复杂。它不仅影响语音处理，还干扰了视觉处理，而且这种影响不是简单的叠加，而是相互加剧，让 ASD 儿童在感知和理解信息时面临更大的挑战。这些发现为我们未来干预 ASD 儿童的沟通障碍指明了方向，或许我们可以通过调节他们的时间语音处理和视听同步，来帮助他们更好地理解和交流，让他们能更顺利地融入这个丰富多彩的世界。