本篇文献发表在Molecular Psychiatry杂志。所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤付出与研究成果。

引言

近年来，《精神障碍诊断与统计手册》第五版对孤独症谱系障碍的诊断标准提供了一个维度框架，可以促进研究样本的同质性，增强对整个孤独症谱系障碍群体研究结果的解释和重复能力。然而，越来越多的人认识到孤独症谱系障碍个体表型临床症状的显著异质性，强调了对干预措施采取个性化方法的迫切需求。

因此，为了识别和分类不同的孤独症谱系障碍亚型，可以采用多种方法，包括行为表现评估、探索治疗敏感表型、生物学和遗传学评估以及其他相关测量。值得注意的是，最近的一项亚型研究取得了重要发现，其中一种孤独症谱系障碍亚型对慢性鼻内催产素治疗的应答率为61.5%，而另一种亚型仅表现出13.3%的应答率。这项关键研究为确定针对特定孤独症谱系障碍亚型的最有效干预策略提供了宝贵的见解。总之，这些发现强调了识别和分类孤独症谱系障碍亚型的重要性，因为它们使研究者能够更深入地了解其独特的特征，并最终为满足孤独症谱系障碍个体需求铺平更有效和个体化干预的道路。此外，越来越多的研究采用神经影像技术，聚焦于功能连接、结构脑变异或多模态模式，以确定孤独症谱系障碍亚型的不同神经生物学机制。例如，对静态静息态功能性磁共振成像的层次聚类分析表明，功能连接亚型与孤独症的临床症状存在弱至中度的关联，并共享共同的拓扑结构。另一项使用类似方法的研究确定了与言语智商、社交情感、限制性重复行为以及症状严重程度维度相关的四种不同功能连接亚型。

此外，孤独症谱系障碍的复杂性源于其异质性和重叠的症状，这些症状评估了社交沟通和互动以及限制性重复行为方面的核心困难。这些核心症状的程度在个体之间可能有所不同，有些个体在不同维度上表现出相同但严重程度更高的表现。换句话说，没有两个孤独症谱系障碍儿童或成年人具有完全相同的表型特征。为了最小化临床样本的异质性并增强分类的神经生物学效度，规范模型提供了一个稳健的统计框架，能够定量评估个体在整个生命周期中偏离规范性神经生物学发育轨迹的情况。通过该模型，可以准确地估计每个个体的功能偏差，并指出表明极端偏差的具体特征。这种方法在实现更有效和个性化的治疗方面具有巨大潜力，这些治疗针对个体独特的神经生物学特征，从而提高治疗干预的精确性和成功率。

尽管临床症状一直是表征孤独症谱系障碍的主要来源，但潜在孤独症谱系障碍亚型间脑异质性的神经生物学基础和机制仍然相对未被探索。目前尚不确定孤独症谱系障碍是否具有一个将其与亚型区分开来的单一的、统一的神经核心，这可能表明神经行为亚型的存在，或者它是否包含亚型间不同的神经基础，可能表明神经亚型的存在，最终导致基于社交互动、沟通和刻板行为问题独特组合的个体差异。为了解决这个问题，此研究因此结合了规范模型和功能性磁共振成像，以探索孤独症谱系障碍亚型及其相关症状中观察到的异质性的神经生物学机制，特别关注对孤独症谱系障碍核心表现至关重要的眼动追踪任务。

具体而言，此研究采用了一项全面的探索，利用了一个大型多中心静息态功能性磁共振成像数据集，包括来自ABIDE-I和ABIDE-II数据集的1046名参与者，以及一个包含21名同时具有静息态功能性磁共振成像和眼动追踪数据的孤独症谱系障碍独立队列。首先，与以往的静息态功能性磁共振成像亚型研究不同，此研究表征了每个参与者的多层次功能连接，采用Pearson相关进行静态功能连接分析，并采用动态条件相关进行瞬时动态功能连接评估。随后，此研究基于在典型发育组中观察到的多层次功能连接特征设计了规范模型，然后用于量化孤独症谱系障碍参与者中多层次功能连接的个体水平偏差。此后，将聚类分析应用于大型多中心数据集和独立队列，以识别潜在的孤独症谱系障碍亚型。然后对识别出的孤独症谱系障碍亚型之间进行临床症状的比较分析。最后，此研究评估了这些孤独症谱系障碍亚型在独立队列中关于两项眼动追踪任务中的注视模式差异，以确定这些亚型是否在对面孔眼睛的兴趣和对联合注意中目标物体的兴趣方面存在差异。

方法

参与者

ABIDE发现队列。此研究将自闭症脑成像数据交换I（ABIDE-I，N=1112，其中孤独症谱系障碍539例，典型发育573例）和ABIDE-II（N=1044，其中孤独症谱系障碍487例，典型发育557例）的静息态功能性磁共振成像和表型数据作为发现数据集。根据以下排除标准，从23个站点中共选择了1046名参与者（典型发育567例，孤独症谱系障碍479例；详细的人口统计学统计和年龄分布信息见表1、补充表S1和补充图S1）用于进一步数据分析：排除标准包括（1）参与者缺失性别或年龄信息；（2）影像质量差或通过目视检查发现空间标准化不充分；（3）头部过度运动（平均帧间位移 > 0.3）；（4）每个站点在孤独症谱系障碍或典型发育组中贡献少于10名参与者。最终样本中的所有参与者均提供了全面智商评分。此外，对于孤独症谱系障碍个体，还收集了详细的信息，如孤独症诊断观察量表、孤独症诊断访谈量表修订版和社会反应量表。

电子科技大学验证队列。在电子科技大学附属成都市妇女儿童中心医院招募了一个独立的参与者队列（孤独症谱系障碍24例，典型发育15例），以验证发现数据集的结果，并进一步研究潜在的亚型特异性眼动表现。所有参与者提供了性别和年龄信息，并完成了一系列眼动追踪任务。此外，孤独症谱系障碍个体接受了静息态功能性磁共振成像扫描以及全面智商、孤独症诊断观察量表第二版和社会反应量表的评估。排除三名头部过度运动的参与者后，最终样本包括21名孤独症谱系障碍个体（年龄范围：5-9岁；男/女比例：17/4），同时具有静息态功能性磁共振成像和眼动追踪数据。此外，还纳入了15名仅具有相应眼动追踪数据的典型发育个体（年龄范围：5-9岁；男/女比例：12/3）用于进一步比较分析（见表1）。

电子科技大学队列中的眼动追踪任务。在电子科技大学队列中，参与者参与了两项聚焦于社交情感和互动注视模式的眼动追踪任务。这些任务包括：（1）面部情绪处理任务：参与者被要求分别观察快乐、愤怒、恐惧或中性的静态面部表情。创建眼睛（267*100像素）、鼻子（340*150像素）和嘴巴（400*170像素）区域作为感兴趣区（见补充图S2）；（2）联合注意任务：参与者观看视频，视频中的人物使用眼睛注视或眼睛注视加手指指向来将他们的注意力引向目标物体。创建目标物体（400*300像素）和非目标物体（400*300像素）作为感兴趣区（见补充图S3）。在这些任务中，参与者被要求舒适地坐在父母的腿上（对于年龄较小的参与者）或独立坐着，让他们自由探索和注视显示屏幕上吸引他们兴趣的内容。使用Tobii TX300系统（Tobii，丹德吕德，瑞典）以300Hz采样率和0.4°注视精度采集眼动数据。记录、刺激呈现和后续分析使用Tobii Pro Studio、E-prime 2.0软件和E-Prime Extensions for Tobii（心理学软件工具公司，宾夕法尼亚州匹兹堡）进行。主要的眼动表现使用首次注视持续时间、注视持续时间和注视次数的z分数进行评估。

影像采集和多层次功能连接特征的计算。ABIDE队列中的所有参与者和电子科技大学队列中的孤独症谱系障碍个体至少接受了一次T1加权结构扫描和静息态功能性磁共振成像扫描。所有影像数据使用标准化的fMRIPrep协议进行预处理。

多层次功能连接特征被定义为静态和瞬时动态功能连接矩阵的组成部分。从Dosenbach的160个感兴趣区中提取平均血氧水平依赖信号，以评估每个参与者的多层次功能连接。这些感兴趣区是基于五个聚焦于不同认知领域的荟萃分析的功能定义选择的，这些认知领域包括错误处理、默认模式、记忆、语言和感觉运动功能。这些感兴趣区被分为六个大脑网络：额顶网络、默认模式网络、扣带-岛盖网络、感觉运动网络、枕叶网络和小脑网络。进行Pearson相关以计算静态功能连接强度。此外，采用动态条件相关来估计瞬时动态功能连接，并进一步计算每个个体的动态功能连接强度和动态功能连接方差。使用z分数标准化对多层次功能连接值进行标准化，以最小化相关阈值的影响并促进跨参与者的可比性。此外，此研究应用了ComBat协调方法，该方法有效去除了站点间的技术变异性，同时保留了站点间的生物学变异性，以确保跨影像站点和扫描仪的数据可比性和完整性。多层次功能连接特征计算的详细信息在补充方法中报告。

构建多层次功能连接特征的规范模型。使用来自ABIDE队列中典型发育个体的静息态功能性磁共振成像数据，此研究开发了所定义的多层次功能连接特征（即静态功能连接强度、动态功能连接强度和动态功能连接方差）作为年龄和性别函数的高斯过程回归规范模型。进行了10折交叉验证以验证这些规范模型的稳健性和泛化性，最终的规范模型在ABIDE队列的整个典型发育组上进行训练，用于后续对ABIDE队列和电子科技大学队列中孤独症谱系障碍个体功能偏差的估计。

估计孤独症谱系障碍个体的个体多层次功能偏差。对于ABIDE队列和电子科技大学队列中的每个孤独症谱系障碍个体，将多层次功能连接特征定位到相应的最终规范模型上，以估计个体多层次功能偏差。偏差分数Z计算如下：

基于个体多层次功能偏差表征孤独症谱系障碍亚型。为了识别孤独症谱系障碍亚型，对ABIDE队列中479名孤独症谱系障碍个体的多层次功能偏差图进行了数据驱动的k-means聚类算法。使用NbClust确定最佳聚类数。此研究进一步进行了留一站点验证分析，以评估亚型结果的跨站点可重复性。

亚型特异性眼动表现的探索。此研究进一步调查了先前识别的孤独症谱系障碍亚型是否在独立队列中表现出亚型特异性的社交眼动表现。首先，使用ABIDE队列中已识别的孤独症谱系障碍亚型标签，通过K最近邻算法识别电子科技大学队列的孤独症谱系障碍亚型标签。然后，此研究比较了在两个眼动追踪任务中识别出的孤独症谱系障碍亚型之间的眼动表现差异。

结果

孤独症谱系障碍中多层次功能连接规范模型的个体偏差

利用从ABIDE队列中567名典型发育个体（426名男性，年龄6-56岁）中提取的多水平功能连接特征（160个图谱 × 3个功能连接水平，共480个特征），此研究启动了构建针对男性和女性脑功能发育轨迹的综合规范模型。这些模型表现出显著的稳健性，通过标准化均方误差（均值±标准差=1.007±0.012，补充图S4A）和均方对数损失（均值±标准差=0.007±0.007，补充图S4B）得以证明。此研究进一步计算了功能连接值与年龄之间的相关系数（补充图S5和图S6），发现男性和女性均表现出功能连接随年龄增加的可比模式（r=0.719, p<0.001），这与网络水平上不太明显的功能连接下降趋势（r=0.279, p=0.262）形成对比。接下来，此研究将稳健的规范模型应用于479名孤独症谱系障碍个体（418名男性，年龄7-55岁），将其功能连接图谱映射到这些已建立的框架上。通过这个过程，此研究估计了每个孤独症谱系障碍个体的特定功能连接偏差（图2A）。此研究的结果突出了孤独症谱系障碍个体在所有三个功能连接水平上与典型发育个体相比的显著功能偏差，在额顶网络、默认模式网络和枕叶网络中有显著的大正偏差（p_FDR<0.05），但在枕叶网络、感觉运动网络和扣带-岛盖网络中有显著的大负偏差（p_FDR <0.05，图2B）。

孤独症谱系障碍个体中多层次功能连接偏差的高度异质性

为了表征孤独症谱系障碍个体间功能偏差的个体间异质性，此研究在ABIDE队列中跨多水平功能连接特征识别了每个个体的极端正偏差或负偏差。在所检查的472个（占总数的98.3%，图3A）多水平功能连接特征中，此研究发现至少有一个孤独症谱系障碍个体表现出极端正偏差（n=403, 84.0%）或极端负偏差（n=452, 94.2%）。然而，当考虑单个功能连接特征时，表现出极端偏差的孤独症谱系障碍个体百分比显著较低，只有3.1%（n=15，后枕叶皮层的动态功能连接强度和前扣带皮层的动态功能连接方差）表现出正偏差，以及1.9%（n=9，外侧小脑的静态功能连接强度和基底节的动态功能连接方差）表现出负偏差（图3A）。在网络尺度上，孤独症谱系障碍个体在默认模式网络、感觉运动网络和扣带-岛盖网络中表现出更同质的极端正偏差（对于动态功能连接强度和动态功能连接方差特征，n=77–146, 16.0–30.5%），而极端负偏差在孤独症谱系障碍个体中更为异质，并均匀分布在所有三个功能连接水平的六个网络中（n=40–82, 8.8–17.1%）（图3B）。值得注意的是，静态和瞬时动态功能连接分析的整合揭示，绝大多数（97.5%，n=467）孤独症谱系障碍个体在至少一个多水平功能连接特征中表现出极端偏差。具体而言，这些个体中有76.8%（n=368）表现出极端正偏差，而46.3%（n=222）表现出极端负偏差（图3C）。相比之下，仅静态功能连接分析识别出的孤独症谱系障碍个体极端偏差率较低（57.0%，n=273）。进一步的统计分析表明，虽然在不同水平的功能连接特征上识别极端偏差存在相当大的重叠（20–46%，n=52–280），但一些孤独症谱系障碍个体表现出功能连接特异性的极端偏差，如图3D所示。这些发现突显了孤独症谱系障碍功能异常的复杂性和多样性，受影响的特定功能连接特征和脑区在孤独症谱系障碍个体中存在显著差异。此外，静态和瞬时动态功能连接分析的结合使用对于全面绘制孤独症谱系障碍中异质性功能模式至关重要。

两种具有不同多层次功能连接偏差模式的孤独症谱系障碍亚型

使用K-means聚类分析，此研究将来自ABIDE队列的孤独症谱系障碍个体以多层次功能连接偏差作为聚类特征分为不同的亚型。通过多聚类指数确定程序，一致地确定了最佳聚类数K=2，产生了两个不同的亚型（亚型1：274名，占57.2%；亚型2：205名，占42.8%）。此外，留一站点验证分析证实了聚类的稳健性，显示主要结果的聚类指数与每次排除一个站点获得的聚类指数之间存在持续的高重叠率。

尽管已识别的孤独症谱系障碍亚型之间在年龄、性别分布、孤独症诊断观察量表总分、孤独症诊断访谈量表修订版总分和社会反应量表总分上相似，但它们表现出根本不同的功能偏差模式。具体而言，亚型1的参与者以小脑网络和枕叶网络的正偏差为特征，同时伴有额顶网络、默认模式网络和扣带-岛盖网络的负偏差。相反，亚型2的参与者在所有三个水平的功能连接特征上跨网络表现出相反的功能偏差模式。此外，亚型1以显著更严重的动态功能连接方差偏差为标志，而亚型2在静态功能连接强度和动态功能连接强度上表现出显著更大的偏差，无论是正偏差还是负偏差。进一步的统计比较揭示，与典型发育个体相比，孤独症谱系障碍亚型1在静态功能连接强度特征上表现出显著更高的极端负偏差，而亚型2在动态功能连接强度和动态功能连接方差特征上表现出显著更多的极端正偏差。值得注意的是，在将整个孤独症谱系障碍队列与典型发育组进行比较时，未观察到这些亚型特异性的极端偏差差异，这突显了尽管共享相同的诊断标签，但孤独症谱系障碍中存在具有不同脑功能偏差模式的不同亚型。

孤独症谱系障碍在自闭症相关任务中的亚型特异性眼动表现

在电子科技大学队列的孤独症谱系障碍个体中，使用KNN算法将其识别为两个不同的亚型，并进一步研究了在两项自闭症相关任务中的亚型特异性眼动表现。在21名孤独症谱系障碍个体中，11名被归类为亚型1，其余10名被归类为亚型2。两种孤独症谱系障碍亚型表现出相当的人口学特征，包括年龄、性别、全面智商和孤独症诊断观察量表第二版评分。对于面部情绪处理任务，与典型发育对照组相比，孤独症谱系障碍亚型2表现出独特的眼动模式，其特征是在观看愤怒、恐惧或快乐的眼睛时首次注视持续时间更短且注视持续时间减少。然而，孤独症谱系障碍亚型1在此任务中表现出与典型发育组相当的表现。在联合注意任务中，相对于典型发育组，孤独症谱系障碍亚型2对目标物体和非目标物体的注视持续时间均较短，并且对目标物体的注视持续时间比亚型1更短。因此，总体而言，亚型2的个体对面部情绪眼睛的视觉注意力较少，并且在联合注意任务中较少受到演示者注视方向的影响。进一步的探索性相关分析显示，在联合注意任务期间，孤独症诊断观察量表-限制性重复行为评分与目标物体注视持续时间之间的关系存在显著的亚型间差异。这些发现表明，两种孤独症谱系障碍亚型对面孔眼睛表现出不同的视觉兴趣模式。

讨论

此研究使用了来自ABIDE数据集的大型多中心静息态功能性磁共振成像数据，包括479名孤独症谱系障碍和567名典型发育对照的1046名参与者。通过规范模型，此研究定量追踪了多层次功能连接特征的功能发育轨迹。与典型发育对照相比，孤独症谱系障碍个体在三个功能连接特征的多数上表现出显著变异。基于个体脑功能偏差图，此研究识别了两种不同的孤独症谱系障碍神经亚型，每种都表现出独特的功能连接偏差模式。一种亚型以枕叶网络和小脑网络的正偏差为特征，同时伴有额顶网络、默认模式网络和扣带-岛盖网络的负偏差。相反，另一种亚型呈现出相反的偏差模式。值得注意的是，尽管存在这些神经差异，两种亚型表现出相当的临床表现。来自独立样本的进一步见解表明，这些亚型在静态观看情绪面孔时对面孔眼睛以及在联合注意范式中注视跟随方面表现出不同的视觉偏好模式。这些发现强调了孤独症谱系障碍的复杂性和异质性，表明即使在相似的临床表现背景下，神经亚型也可能构成不同的认知和行为特征的基础。

规范模型是一种先进且创新的方法，通过将单个受试者或观察结果与规范参考模型进行比较来揭示个体差异。它涉及以百分位术语绘制群体中生物学和行为变异的范围，从而能够生成个体化的统计见解。与可能受临床标签不精确影响的传统病例-对照比较相比，规范模型将分析焦点转向对精神病学和神经学评估更细致和精确的理解。认识到功能连接在阐明脑区和网络复杂时空组织中的广泛使用，此研究将静态和瞬时动态功能连接作为预测变量纳入规范模型，以全面描绘人脑的多层次功能发育轨迹，并精确定位孤独症谱系障碍个体中的个体功能偏差。除了静态功能连接之外，此研究还利用动态条件相关分析来量化每个个体的动态功能连接强度和方差，从而丰富了规范模型的构建。与预期一致，仅静态功能连接分析对孤独症谱系障碍个体的极端偏差识别有限，突出了结合静态和瞬时动态功能连接分析以全面绘制与孤独症谱系障碍相关的异质性功能模式的关键需求。此研究的结果突出显示，与典型发育个体相比，孤独症谱系障碍个体在所有三个水平的功能连接上均存在显著功能偏差。具体而言，此研究观察到额顶网络、默认模式网络和枕叶网络中有显著的大正偏差，而枕叶网络、感觉运动网络和扣带-岛盖网络表现出显著的大负偏差。这些结果突显了孤独症谱系障碍中功能连接改变的复杂性质，并强调了多模态综合方法在阐明这些复杂模式中的价值。

迄今为止，跨临床症状观察到的显著异质性仍然是孤独症谱系障碍及其各种亚型神经建模的核心挑战，因为先前的研究表明，已识别的孤独症谱系障碍神经亚型表现出不同的临床症状。例如，与亚型2相比，发现孤独症谱系障碍亚型1表现出减少的动态静息态功能性磁共振成像测量值、在动态功能结构中更低的稳定性，以及在小脑中动态静息态功能性磁共振成像指标一致性方面具有更窄范围的更高均值，通常伴随更严重的临床症状。利用大脑的结构磁共振成像数据，将孤独症谱系障碍分为三种神经亚型，其中亚型1和3表现出正偏差，而亚型2表现出负偏差。值得注意的是，这些亚型也表现出不同的社交沟通缺陷。这些发现提出了一个问题：孤独症谱系障碍的神经亚型是由不同的临床症状引起的，还是观察到的神经差异构成了不同临床表现的基础？

与此发现一致，此研究使用静息态功能性磁共振成像数据与规范模型相结合的分析识别了两种不同的孤独症谱系障碍神经亚型，其特征是独特的神经功能变异。虽然先前的亚型研究已经报道了孤独症谱系障碍中非典型的静态或传统动态功能连接模式，但此研究中识别的两种孤独症谱系障碍神经亚型在多层次功能连接模式上表现出非典型性，这些非典型性在不同水平上并不完全重叠。具体而言，一种孤独症谱系障碍亚型的特征是在静态和动态功能连接中具有更高比例的极端负偏差个体，而另一种亚型仅在动态功能连接中表现出更大比例的极端正偏差个体。这些发现表明，对内在脑功能模式的更全面测量可能提供对孤独症谱系障碍中非典型和异质性功能连接模式的更细致理解。此外，与典型发育个体相比，一种亚型以枕叶网络和小脑网络的正偏差为特征，同时伴有额顶网络、默认模式网络和扣带-岛盖网络的负偏差。相反，第二种亚型表现出相反的偏差模式。值得注意的是，尽管存在这些相反的神经特征，两种神经亚型都表现出相当的临床表现，强调了孤独症谱系障碍中神经改变与临床症状之间关系的复杂性。在这些亚型中观察到的不同神经偏差模式支持孤独症谱系障碍不是一种同质性疾病，而是一组具有独特神经生物学特征的亚群。先前的研究使用靶向默认模式网络和额顶网络区域的重复经颅磁刺激已显示出对症状的一些改善。然而，治疗的应答率从30-40%不等，一项研究报告了活跃组和假刺激组之间的可比效果。这些发现表明，对孤独症谱系障碍进行亚型分型可能提高治疗效果。展望未来，与仅基于临床评估的干预相比，开发神经影像引导的、亚型特异性的和个体化的神经干预方案可能进一步提高治疗的有效性和稳定性。

此外，孤独症谱系障碍的不同神经亚型在两个眼动追踪任务中表现出不同的视觉偏好。具体而言，相对于亚型1，孤独症谱系障碍亚型2倾向于较少关注情绪面孔的眼睛区域以及联合注意任务中演示者注视的目标物体。通过眼动追踪在1至2岁幼儿中识别出的一种特定孤独症谱系障碍亚型，其特征是早期社交视觉参与困难显著，表现出默认模式网络与枕颞皮层之间的显著低连接性。与非GeoPref孤独症谱系障碍幼儿相比，这种低连接性与较差的认知、语言和社交能力相关。有趣的是，在此研究中，在5-9岁的孤独症谱系障碍儿童中观察到了不同的模式。具体而言，与典型发育个体相似的亚型1，也表现出默认模式网络低连接性，但比亚型2对情绪面孔眼睛和物体的偏好相对更高。这种差异可能归因于两项研究之间的年龄差异，因为功能连接随年龄发生显著变化。此外，此研究的发现揭示，仅在孤独症谱系障碍亚型2中，自闭症症状严重程度与联合注意任务中的眼动表现之间存在负相关。亚型1中缺乏这种关联强调了两种孤独症谱系障碍亚型在社交情境中存在不同的眼动特征，可能反映了该疾病不同的潜在机制和严重程度。总之，此研究的发现表明，孤独症谱系障碍的神经行为亚型超越了简单的神经变异，表现为不同的功能发育模式和行为表现。这强调了即使在临床表现相似的个体中，孤独症谱系障碍的神经亚型也可能构成不同的认知和行为特征的基础，强调了个体化评估和干预策略的必要性。

承认此研究的几个局限性是很重要的。首先，由于数据可用性的限制，此研究只能绘制6-56岁个体的多层次脑功能发育轨迹。这一限制将此研究发现的普适性限制在整个生命周期。其次，虽然此研究使用ABIDE数据集识别了两种孤独症谱系障碍神经亚型，但此研究进一步在中国样本中调查了这些亚型的眼动表现。然而，文化差异可能影响对这些发现的解释。第三，通过整合更全面的个体信息，包括脑影像、遗传、环境和认知行为数据，此研究对孤独症谱系障碍异质性的理解可能会得到丰富。考虑这些各种因素的多维方法可能提供对孤独症谱系障碍不同表现的更细致和全面的图景。最后，虽然此研究的发现表明孤独症谱系障碍中存在不同的神经行为亚型，但神经刺激和药物治疗对这些亚型的影响尚未得到充分评估。未来的研究应调查这些干预措施对已识别亚型的影响，以指导个性化治疗策略的开发。

当前的研究揭示了孤独症谱系障碍的两种不同的神经行为亚型，其特征是尽管存在重叠的临床症状，但在神经连接模式和眼动注视方面存在差异。这一发现为孤独症谱系障碍的神经复杂性和异质性提供了宝贵的见解，进一步加深了对其潜在神经机制的理解。重要的是，这一发现强调了在孤独症谱系障碍诊断和治疗中采用个性化方法的潜力。孤独症谱系障碍内神经亚型的识别表明，专门针对每个个体独特的神经特征和需求设计的定制化干预可能更有效，而不是依赖一种通用的、一刀切的方法。因此，此研究不仅增进了对孤独症谱系障碍神经基础的理解，而且强调了即使在看似临床诊断相似的个体中，考虑个体化干预策略的至关重要性。

参考文献：Liu, Q., Lai, H., Le, J., Lan, C., Zhang, X., Huang, L., Xu, D., Jiang, X., Li, F., Kendrick, K. M., & Zhao, W. (2025). Identifying brain functional subtypes and corresponding task performance profiles in autism spectrum disorder. Molecular psychiatry, 30(11), 5034–5044. https://doi.org/10.1038/s41380-025-03086-x

解读：脑海科技