图说：标准化严重程度评分（CSS）是根据临床评估来测量自闭症症状的严重程度的方法。上图基于对脑电图数据的计算机算法呈现的每个参与者的CSS分数。

自闭症在发育早期很难诊断。近日，美国波士顿儿童医院在《科学报告》发表的一项新研究表明，测量大脑电活动的EEGs能够准确地预测或排除仅3个月婴儿的自闭症谱系障碍（ASD）。

该研究的合著者、波士顿儿童医院认知神经科学实验室主任、Charles Nelson博士说：“EEGs具有低成本、非侵入性的优点，对婴儿进行检查也比较容易。EEGs预测自闭症的可靠性提高了在症状出现之前进行干预的可能性。这可能会带来更好的结果，甚至阻止一些与ASD相关的行为。”

婴儿筛查项目是波士顿儿童医院与波士顿大学开展的一项合作业务，旨在绘制早期发育的图纸，并识别出患有ASD或语言及沟通障碍的婴儿。该项目的研究人员William Bosl博士获得了99名具有较高自闭症风险和89个低风险对照的婴儿脑电图数据。Bosl利用计算机算法分析了EEG的六个不同频率，并测量了信号复杂度。这种算法可以挖掘反映大脑功能、连接模式的脑电图深层数据，并且解决了如何处理与整合信息。

令人惊讶的是，计算机算法在预测ASD的临床诊断时，具有较高的特异性、敏感性和阳性预测值，9个月大婴儿的预测准确率几乎达到了100%，还可预测ASD的严重程度。

Bosl认为，早期EEGs信号复杂性上的差异，反应了大脑活动的多个方面。自闭症是大脑发育早期阶段的一种紊乱状态，但后期可以向不同的方向发展，也就是说早期自闭症的倾向可能会受到其他因素的影响。

Nelson说：“我们认为，患有自闭症的年长同胞可能对自闭症的发展负有一定的遗传责任。这种风险可能与另一种基因或环境因素相互作用，导致一些婴儿患上自闭症。”

编译：花花 审稿：阿淼 编辑：程建兰

来源：https://www.sciencedaily.com/releases/2018/05/180501085140.htm