在特殊教育中，自闭症发病机理的复杂难解、匮乏无助的教育代偿作用，以及自闭症对儿童社会适应的巨大破坏力，使自闭症儿童的发展问题一直难以解决。自闭症儿童孤僻、刻板的社交行为，不仅影响自身的成长生活，还会使教养者承受巨大的心理压力和经济压力，甚至可能导致严重的社会问题。当前特殊教育发展过程中的一个重要症结，是对自闭症儿童缺乏系统的专业技术支持体系，集中体现为无法为自闭症儿童提供高效的评估手段。自闭症的诊断通常是由专家使用标准问卷，并通过人工观察寻找特定的行为标志进行的。一方面，对儿童观察、家长访谈和手工测试进行解释性编码既昂贵又耗时。另一方面，行为评级通常没有严格的标准，专业培训程度、资源和文化背景不同的临床医生，其水平参差不齐，导致观察结果的可靠性和有效性存疑。而数字技术的大规模应用，则带来了自闭症儿童诊断的新发展。比如，2003年，乔治奥普洛斯（Apostolos Georgopoulos）发现，使用模糊认知地图能够帮助专家和医生对自闭症患者进行鉴别与诊断。目前，数字技术助推自闭症诊断，主要借助机器学习技术、视觉识别技术、虚拟现实技术以及5G云XR技术等。应用这些技术手段不仅可以节省时间，有助于在决策过程中引入更客观、更可重复的措施，而且有望突破自闭症诊断标准的精度、敏感度等科学问题。
机器学习技术
机器学习不仅可以对国际通行的自闭症诊断工具与诊断方法指向的认知、行为、脑科学等数据库进行大数据分析，开发可以高精度区分自闭症的简化分类算法；而且可以通过生成的诊断数据，结合不同的机器学习算法，为每种算法定制前向特征选择，根据儿童异质性特征开发不同维度、不同内容的分类系统与模型。
在此基础上，利用机器学习算法获得的预测模型，能够对实时收集的儿童目标认知、行为等特征进行精准匹配，创立智能化的自闭症多维诊断体系，使由不同评估方法支撑的诊断体系获得最佳临床诊断或评估结果。机器学习的赋能，能够优化专家学者的经验评定。通过智能提取特征，可以提高人机交互验证的准确性。
视觉识别技术
随着视觉感知识别技术的飞速发展，视频监控已在自然和非自然状态下得到了普及与应用。视频监控技术能够做到在自然状态下“悄无声息”地诊断，有利于消除任何潜在的偏见，减少决策过程中与人为因素有关的错误，而且可重复、更客观。因此，研究者可以利用视频监控技术的易获得性、便捷性和非接触性，收集自闭症儿童的头部运动、姿势等行为线索，构建多尺度深度网络学习模型，提出新的编码器和解码器机制来提取特征，进行无监督的学习和诊断。
视觉识别技术还能够准确捕获自闭症儿童的面部表情，包括面部整体表情、局部微表情等。对此，利用整体识别法和局部识别法相结合的策略，对视频采集的面部表情数据提取特征，进行诊断。在整体识别法中，利用特征脸的主成分分析法提取人脸的整体特征；同时，利用光流法抽取面部运动向量，识别相应的运动行为。在局部识别法中，利用脸部运动编码分析法提取典型部位（眼睛、嘴、眉毛）的运动特征，设置各个部位的权重参数。借助整体识别法和局部识别法获取的特征表达，如面部表情的视觉特征描述子、特征间的层次结构和动作结构等，设计面向自闭症诊断评估的视觉知识。
更重要的是，基于视觉识别的自动化辅助诊断评估模型会实现高效率低成本的早期诊断评估，为自闭症儿童的早期发展提供良机。基于无接触式智能行为和面部识别技术，可以快速诊断自闭症儿童，实现早发现早诊断。比如，通过采集儿童表情和动作信息等早于语言或行为模式的诊断性数据，可以在1岁以前帮助监护人、医院等相关人员或者机构发现需要进行早期诊断的自闭症儿童，进而最大限度地确定自闭症儿童的严重程度。
增强现实技术
基于增强现实技术的智能眼镜，亦可为患有自闭症的儿童提供诊断。智能眼镜具有良好的耐受性，可用于多种年龄和严重程度的自闭症群体。智能眼镜里的多种传感器，如加速计和照相机，不仅能够收集视频、音频、运动等数据，而且能够收集关于环境和交互的定量数据。在此基础上，利用人工智能算法全面分析这些数据，提高诊断的敏感性。此外，智能眼镜系统能够将眼睛注视和情感识别引入自然的社交互动环境中，同时采集情绪识别和社会注意这两种自闭症诊断和量化的核心指标，使得诊断数据更具指向性和精确性。
由此可见，应用增强现实技术构建多维数据支撑的诊断评估指标体系，突破了传统的医疗诊断标准体例。增强现实可以基于多源数据（尤其是受到外显行为与脑结构数据循证支撑的儿童内隐性表情与动作数据）的学习分析，系统分析自闭症儿童认知、行为和神经发育状况之间的因果关系，从而形成基于增强现实的算法，构建对于儿童个体心理差异、社会环境差异、文化背景差异的客观高效精准的诊断评估系统。
5G云XR技术
5G技术的高速发展，使分布式WebXR协同计算、5G网络在云端上的显示输出和声音输出等，能够通过编码压缩后传输到自闭症儿童家庭的终端设备，进而实现XR业务内容上云和渲染上云。将XR诊断业务部署在云端，形成云XR，可降低自闭症儿童家庭的本地设备性能的要求，使本地的设备变得更加轻量，降低自闭症儿童家庭的消费门槛。与此同时，以5G云XR为技术支撑的智能教育远端诊断系统，能够为远端的自闭症儿童家庭诊断提供便利。比如，自闭症儿童可以在异地佩戴XR头盔、XR眼镜，或在移动设备（如智能手机、平板电脑等）上打开浏览器，登录提供的网址，即可接受专业的诊断。
结合5G云XR的技术手段，不仅能够为自闭症儿童家庭提供便捷、可靠的诊断方式，而且可以突破和克服特殊教育领域长期以来面临的自闭症确诊难、家长经济和心理负担过重等难题。家庭和学校可以在投入较少的情况下，获得能够进行自主控制以及远程反馈调整的儿童诊断系统支持。
综上可见，在自闭症儿童诊断领域，数字技术的应用不仅能够突破和克服特殊教育领域长期面临的自闭症儿童早期诊断与评估困难的技术与经济瓶颈，也可以使智能诊断系统在实操层面进入任何一户自闭症儿童家庭以及诸如幼儿园、学校等核心社会活动场所。这可以将家长、教师、儿童自身，以及家庭、学校、社会有机联系成儿童发展的闭环，充分发挥数字技术的优势，创新自闭症儿童诊断与评估方式，形成面向与适合更多人、更加开放灵活的诊断系统，从而为自闭症儿童的全面发展提供直接、精准、自然的教育资源，为他们成为对社会有用、能够让自己和家人感到幸福和欣慰的人，提供坚实有力的科学实践平台。
（作者单位：华东师范大学教育学部）
来源：中国社会科学网-中国社会科学报作者：王彦姣 王沛
【来源：中国社会科学网资讯】
微信客服
微信公众号
