孤獨癥兒童社交溝通障礙的神經生理機制：基于親子同步性的視角

1問題提出

孤獨癥譜系障礙（Autism Spectrum Disorder，ASD，以下簡稱孤獨癥）是一組以社交溝通障礙、重復刻板行為和狹隘的興趣為核心癥狀的神經發育障礙，是兒童常見的發展性疾病之一（AmericanPsychiatricAssociation，APA，2013）。據世界衛生組織（WorldHealth Organization，WHO，2024）報道，全球兒童孤獨癥的患病率約為 1% 。美國疾病預防與控制中心（Centers for Disease ControlandPrevention，CDC，2024）的最新調查顯示，美國兒童孤獨癥的患病率高達1/36。2020年《NeuroscienceBulletin》期刊首次揭示了我國6～12歲學齡兒童孤獨癥患病率為 0.7% ，在我國每142名兒童中就約有1名孤獨癥患兒（Zhouetal.，2020）。孤獨癥癥狀常起病于嬰幼兒期且伴隨終身，病因尚不明確，也無有效的治療藥物。孤獨癥嚴重威脅著兒童的獨立生活、受教育程度和良好社會關系的建立（VanHeijstamp;Geurts，2015），而作為其核心癥狀的社交溝通障礙是孤獨癥兒童回歸社會、過上高質量生活的最大障礙。因此，探究這一核心癥狀的發生機制，并開發有效的早期篩查和干預策略，已成為當前孤獨癥研究的核心議題之一。

以往研究主要從個體層面來理解孤獨癥兒童的社交溝通障礙，認為其核心缺陷在于社會性注意減少（DelBianco etal.，202l；Haskins et al.，2022）、心理理論或共情能力缺損（Griffinetal.，2021；Jaisleetal.，2023），以及動作能力不足（Monieramp;Droit-Volet，2019）。這些研究揭示了孤獨癥兒童在信息加工和社會認知方面的特殊性，為理解社交溝通障礙提供了重要線索。然而，最近的研究發現，孤獨癥兒童在這些方面的缺陷并不完全決定他們的社會互動質量，社交溝通障礙更可能是復雜的人際互動問題，而不僅僅是孤獨癥兒童的個人問題（Bowsher-Murrayetal.，2022;Murat Baldwin et al.， 2022）。

在人際互動的視角下，人際同步性（interpersonalsynchrony）理論認為，成功的社會互動不僅依賴個體的社會性能力，還取決于互動雙方在表情、動作、言語，甚至是生理反應和大腦激活水平上的協調與同步（Feldman，2007，2012）。人際同步性被認為是社會交流的基礎，不僅有助于維持和促進互動對象間的聯系和情感共鳴，也影響個體的社會認知和社會情感能力。已有研究發現，人際同步性在正常發展兒童的親子互動中起著至關重要的作用（Davisetal.，2018;DePasquale，2020），而孤獨癥兒童在這一方面可能存在顯著缺陷。例如，孤獨癥兒童在親子互動中的動作同步性、表情同步性，以及生理和神經同步性均低于正常發展兒童（Kruppaetal.，2021；Valentovichetal.，2018；Wangetal.，2021）。這表明，孤獨癥兒童的社交溝通障礙可能不僅源于自身的社會認知和情緒調節缺陷，更可能與其在互動過程中難以與他人建立同步性有關。

在孤獨癥兒童的早期發展過程中，家庭是其最重要的成長環境，父母是其主要的互動對象（Paciaetal.，2022）。研究表明，親子互動質量對孤獨癥兒童社交能力的發展具有重要影響，親子間的情感聯結、互動模式和生理同步性均會影響兒童的社交能力（DePasquale，2020）。父母往往需要投入更多精力去調整互動方式，以適應孤獨癥兒童的特殊需求，而親子同步性缺乏可能進一步加劇兒童的社交困難。因此，研究孤獨癥兒童在親子互動中的行為、生理和神經同步性，可以為揭示社交溝通障礙這一核心癥狀的病理機制提供新視角。

在基礎理論研究的基礎上，如何將研究成果應用于臨床實踐也是孤獨癥研究者們面臨的重要挑戰。目前，孤獨癥的早期篩查主要依賴量表評估，重點關注兒童個體的行為特征。常用的篩查工具包括幼兒孤獨癥篩查量表（CHAT，M-CHAT，CHAT-23;Baron-Cohenetal.，1992;Robinsetal.，2001;Wongetal.，2004）等一級篩查工具，以及兒童孤獨癥行為評定量表（ABC;Krugetal.，1980）和克氏孤獨癥篩查量表（CABS；Clancy etal.，1969）等二級篩查工具。診斷性評估則依賴孤獨癥診斷訪談問卷修訂版（ADI-R;Lordetal.，1994）和孤獨癥診斷觀察量表第二版（ADOS-2;Lordetal.，2012等。然而，這些篩查工具存在評估耗時、主觀性強、對臨床醫生專業要求高等問題，影響了篩查的效率和準確性（蔡鄭婷等，2022；趙亞楠等，

2023）。

近年來，隨著技術的發展，研究者嘗試結合眼動、腦電（electroencephalogram，EEG）、磁共振成像（magneticresonanceimaging，MRI）等技術開發更為客觀的篩查工具。例如，眼動研究發現，孤獨癥兒童在面部注視模式、社會場景關注度等方面存在顯著異常（Liuetal.，2016；Wen et al.，2022）。腦電研究表明，孤獨癥兒童在靜息態和任務狀態下的腦電功率譜存在差異（Kangetal.，2020）。磁共振成像研究則發現，孤獨癥兒童的腦容量、軸外腦脊液體積，以及靜息態功能連接模式存在異常（Reiteretal.，2021；Shenetal.，2018;Sunetal.，2021）。然而，現有研究大多依賴實驗室環境下的基礎任務，如觀看情緒圖片或簡單的社交場景，缺乏對真實社交情境中兒童行為表現的捕捉和分析，限制了其臨床應用價值。

因此，本研究擬從人際同步性理論出發，探討孤獨癥兒童在親子互動過程中的行為同步性（動作和表情同步）及其神經生理機制，揭示孤獨癥兒童社交溝通障礙的發生機制。在此基礎上，本研究還將探索以親子同步性為客觀指標進行孤獨癥早期篩查的可行性，為開發更具臨床應用價值的客觀篩查工具提供理論和技術支持。這一研究不僅有助于深化對孤獨癥社交溝通障礙的理解也為臨床實踐提供了新的篩查思路和方法。

2國內外研究進展與述評

2.1孤獨癥兒童社交溝通障礙與親子行為同步性

以往研究識別出許多可能導致孤獨癥兒童社交溝通障礙的個體因素。其中，孤獨癥兒童的社會性注意模式、情緒或共情能力，以及動作能力得到廣泛關注（DelBianco etal.，2021;Griffin et al..2021；Monieramp;Droit-Volet，2019），并得到了一些實證研究結果的支持。但也有一些研究表明這些個體因素均不是孤獨癥兒童社交溝通障礙的決定因素（Bowsher-Murray et al.， 2022;Murat Baldwinetal.，2022）。以社會性注意模式為例，社會動機理論認為，由于孤獨癥患者獎賞相關的神經機制發展異常，導致他們對于社會獎賞的敏感性降低，同時對某些非社會獎賞表現出異常偏好（Chevallieretal.，2012;Yietal.，2022）。具體表現為更少關注人臉，尤其是眼晴區域，而更多關注非社會性刺激（如幾何圖形、機械物體等）（Kwonetal.，2019；王磊等，2021）。這種雙重異常使得他們在社會互動中面臨顯著挑戰：一方面，他們難以從社交互動中獲得預期的獎賞體驗；另一方面，對非社交刺激的異常偏好可能進一步削弱其參與社交活動的動機（McNaughtonamp;Redcay，2020）。這種對社會性刺激不敏感而對非社會性刺激過度關注被認為是孤獨癥個體社交困難的核心機制之一（Chevallieretal.，2012）。然而，針對正常親子的研究發現，在積極的親子互動過程中，兒童所表現出的注意模式應該是將更多的注意放在親子互動所使用的玩具上，而不是更多地注意父母的面部區域（Deak etal.，2018）。例如，Yu和Smith（2017）使用眼動儀記錄了51名11～24月齡幼兒與父母在共同玩玩具時的注視行為。研究發現，幼兒與父母的共同注意（jointattention）并非是通過追隨對方的視線實現，而是通過雙方在操作物體時注意對方的手部動作來實現的。此外，研究發現，親子在手眼協調能力上的差異與他們在共同注意上的表現密切相關，手部動作協調性較高的親子能夠更頻繁地實現共同注意。這一發現挑戰了單純從兒童個體的社會性注意模式的角度去理解孤獨癥社交溝通障礙的觀點，表明社會互動中的注意分配可能受到情境和互動對象的影響，而不僅僅是兒童個體的注意偏好。因此，孤獨癥兒童的社交溝通障礙可能需要從更廣泛的社會互動中加以理解，而非僅僅歸因于其社會性注意模式的異常。

社會互動的意義是由互動過程和參與其中的個體相互作用而產生的，即“參與式意義建構”（participatory sense-making;Fuchsamp;De Jaegher，2009）。所以，除了孤獨癥兒童自身的因素外，孤獨癥兒童與互動對象在知覺、思維、意圖、信念等基本心理狀態上的差異也可能使得他們在互動中難以找到共同點。雙重共情問題（Double-empathyProblem）的觀點認為，由于孤獨癥患者與正常個體有不同處理和體驗世界的方式，他們也會有不同的規范和期望，因此在互動中彼此難以共情，進而導致社交失?。˙olisetal.，2018；Milton，2012）。對兒童個體因素挑戰性的研究結果以及雙重共情問題的理論觀點均提示，應該從個體視角轉向人際互動視角來重新審視孤獨癥社交溝通障礙的機制。

人際同步性（interpersonalsynchrony）是人際互動質量的一個重要指標。它指的是在互動過程中，雙方的眼神、面部表情、肢體動作，甚至是生理反應和大腦活動水平等方面相互協調一致的過程（Feldman，2007;Harristamp;Waugh，2002）。互動對象的基本心理狀態實時發生變化，為了準確理解對方的意圖以實現有效的社會互動，個體需要及時調整自己的動作和情緒表達來與互動對象同步。如在親子共同拼積木的過程中，母親先拼了部分，隨后用言語和手勢線索指示兒童去完成接下來的部分，同時注意視線在兒童的動作和積木間不斷切換。這時如果兒童只注意積木而忽視母親的言語、動作和注意線索，他們的互動質量肯定會大打折扣。類似地，當兒童在玩積木的過程中體驗到較強的積極情緒并用言語或者微笑表現出來時，如果母親沒有對兒童的情緒和言語信息做出及時的反饋，也會破壞親子互動質量。實證研究發現，兒童社會情緒能力以及社會交流技能的早期發展極大程度地受到人際互動過程中的情緒同步性（Davisetal.，2018；Feldman，2015;Scholtesetal.，2021）和動作同步性（Bowsher-Murrayetal.，2022；Hoehletal.，2021）的影響。

事實上，人際同步性是孤獨癥早期篩查的重要方面。我國《孤獨癥譜系障礙兒童早期識別篩查和早期干預專家共識》（李廷玉，2017）指出，不（少）看、不（少）應、不（少）指、不（少）語、不當的“五不\"行為是孤獨癥社交溝通障礙的早期行為標志，尤其強調要在人際互動中識別兒童的這些孤獨癥預警征。此外，人際同步性的重要性也在孤獨癥的診斷和評估工具中得到證實，如標準化的診斷工具孤獨癥診斷觀察表第二版（ADOS-2；Lordetal.，2012）和孤獨癥診斷訪談問卷修訂版（ADI-R;Lordetal.，1994）都特別關注人際互動情景中的行為同步性。

2.2孤獨癥親子同步性的神經生理機制

自主神經系統（autonomic nervoussystem，ANS）為持續進行的社會互動以及個體的情緒反應提供生理支持（Porgesamp;Furman，2011）。在多種反映自主神經系統功能的指標中，呼吸性竇性心律不齊（respiratorysinusarrhythmia，RSA）是親子同步性研究中最受關注的生理指標（DePasquale2020；Milleretal.，2023）。RSA指在呼吸過程中！由于迷走神經張力發生變化使竇房結的自律性也發生周期性和規律性改變的程度，體現了自主神經系統對社會和情緒信息的調節作用（Porges，

2007。研究表明，孤獨癥兒童在自主神經系統功能上可能存在異常（Bakeretal.，2020；Corbettetal.，2019）。具體而言，相比于正常發展兒童，孤獨癥兒童在靜息狀態下的RSA水平較低（Condyetal.，2017；Neuhausetal.，2014），并且在社會互動中的RSA反應性也常有異常表現（Corbettetal.，2019；Fenningetal.，2018）。例如，Neuhaus等人（2016通過對比8～11歲孤獨癥兒童與正常發展兒童在積極的親子互動（共同玩玩具）過程中的RSA水平發現，正常發展兒童在互動中不僅整體的RSA水平較高，而且其RSA水平會隨著積極互動的進行而逐步升高；相比之下，孤獨癥兒童的RSA水平則始終處于較低水平，并且缺乏動態變化。這種異常的ANS功能可能影響孤獨癥兒童的社交能力，使其在親子互動中難以適應社交情境的動態變化，進而破壞親子互動質量，并削弱親子間的生理同步性。

然而，目前僅有一項研究探討孤獨癥兒童在社會互動中與互動對象的RSA同步性（Wangetal.2021）。結果表明，孤獨癥兒童在與父母完成合作繪畫任務時的RSA同步性顯著低于正常親子。進一步分析發現，兒童的孤獨癥癥狀越嚴重，內化心理病理問題（如焦慮和抑郁）越多；親子互動質量越差，親子間的RSA同步性越低。這一研究為理解孤獨癥兒童在社交互動中的生理同步性提供了初步證據，并提示孤獨癥兒童的社交困難可能與其難以與互動對象建立和維持生理同步性有關。

除自主神經系統外，中樞神經系統中的大腦也在社會信息加工、理解他人的意圖、情緒狀態和動作行為的過程中發揮重要作用（季先春等，2018；Ratliffetal.，2022）。在人際互動過程中，互動雙方在不同的生理系統中的同步性可能具有不同的意義，例如，自主神經系統的同步性可能更多反映雙方的同步喚醒程度，而兩個相互作用的大腦間的同步性可能更多反映認知同步性的過程（Quinones-Camachoetal.，2020）。腦間同步性的研究可以幫助我們更全面、深入地理解孤獨癥親子行為同步性背后的神經機制。

腦間同步性（brain-to-brainsynchrony）或神經同步（neural synchrony）是人際同步性研究的新方向，是隨著“超掃描”技術（hyper-scanning;Montagueetal.，2002）的進步而逐漸發展起來的，該技術可以同時監測兩個或兩個以上的個體在社會互動中的大腦活動情況。在人際互動，如合作按鍵任務（Kruppaetal.，2021;Milleretal.，2019），或者更為自然的相互注視（Hirschetal.，2017）、牽手（Goldstein et al.，2018）、自由對話（Nguyen et al.，2021）、合作繪畫（Nguyenetal.，2020）等過程中，互動雙方的大腦活動都會表現同步變化的模式。

在人際互動過程中，與注意加工和心智化緊密相關的前額葉皮層（prefrontalcortex，PFC）和與感知社交刺激和形成社會聯結有關的顳頂聯合區（temporo-parietaljunction，TPJ）兩個腦區發揮更為關鍵的作用（Hoehletal.，2021;Lougheedamp;Keskin2021；Nguyenetal.，2021）。Gvirts和Perlmutter（2020）提出的共同社會注意系統理論認為，這兩個腦區構成了社會互動的神經機制基礎：它們不僅參與個體對外界刺激的共同注意加工，還支持互動雙方對彼此行為與情緒狀態的實時互解，從而對社會互動的維持和促進起關鍵作用。

目前，僅有兩項研究考察了孤獨癥兒童的腦間同步性。在一項研究中，研究者采用近紅外光譜腦功能成像（functional near-infrared spectroscopyfNIRS）的超掃描技術考察了16對5～11歲孤獨癥兒童與父母在合作按鍵任務和獨立按鍵任務中的腦間同步性（Wangetal.，2020）。結果發現，孤獨癥親子在合作任務中前額葉皮層的腦間同步性顯著高于獨立任務。同時發現，腦間同步性越弱，兒童的孤獨癥癥狀越嚴重。這一研究是孤獨癥領域腦間同步性的第一項研究，開創了從人際互動中腦間同步性的視角去闡明孤獨癥核心癥狀的新方向。隨后，Kruppa等人（2021）采用同樣的技術也發現了類似的結果，即孤獨癥親子在合作任務和競爭任務中均表現出了高于隨機水平的前額葉皮層的同步性。

雖然這些結果初步證實孤獨癥兒童較低的腦間同步性可能是其社交溝通障礙的神經機制，但是這兩項研究仍存在一些局限性，比如樣本量不足、缺少與正常親子的比較等。其中最為嚴重的問題是實驗任務的選?。簝蓚€研究均采用電腦程序的按鍵任務，這與真實的社會互動間有著較大的差異（Chen etal.，2023;Zampella et al.，2020）。這一研究結果能否推廣至孤獨癥兒童自然人際互動中的神經同步性模式尚未明確。最新的一項研究考察了孤獨癥成人在自然互動中的腦間同步性，結果發現，孤獨癥成人與互動對象在談話過程中顳頂聯合區的同步性越弱，他們的社交溝通障礙越嚴重（Quinones-Camachoetal.，2021）。這一發現為自然互動中的腦間同步性與孤獨癥社交溝通障礙的關系提供了初步證據。但是，目前尚無研究考察孤獨癥兒童在自然情境中的神經同步性。因而，研究真實社會互動中的腦間同步性對于理解孤獨癥兒童人際互動和社會交流的神經機制具有重要意義。

2.3孤獨癥社交溝通障礙的早期篩查

孤獨癥的社交溝通缺陷在幼兒階段就會出現早期篩查可以及時發現兒童的異常行為，為早期診斷和干預提供支持，從而幫助兒童從早期干預中獲得最大收益。美國兒科學會（AmericanAcademyofPediatrics，AAP建議，除了常規的發育檢測和篩查外，在18～24個月的健康體檢中，對所有幼兒進行孤獨癥篩查。雖然可以在2歲的兒童中診斷出孤獨癥，但在美國，大部分兒童都是在4歲以后才被診斷為孤獨癥的（CDC，2024）。在我國，情況更為不理想，能有效識別孤獨癥的兒科醫生、兒童保健醫生及精神科醫生屈指可數。

阻礙孤獨癥早期篩查和早期診斷的主要原因是嬰幼兒可以被觀測的、客觀的指標較少。目前孤獨癥的早期篩查主要依賴臨床醫生詢問病史和對兒童行為進行臨床觀察，篩查工具主要為問卷量表（蔡鄭婷等，2022；趙亞楠等，2023）。具體而言，孤獨癥的早期篩查通常分為兩個階段。一級篩查旨在從普通兒童群體中識別疑似ASD患兒，常用的篩查工具包括：幼兒孤獨癥篩查量表（CHAT；Baron-Cohenetal.，1992）及其修訂版（M-CHAT；Robinsetal.，2001），以及幼兒孤獨癥篩查量表-23（CHAT-23；龔郁杏等，2015；Wongetal.，2004）等。對于一級篩查陽性的兒童，需進入二級篩查階段，采用更專業化的評估工具進行進一步鑒別。此階段常用的評估工具包括：兒童孤獨癥行為評定量表（ABC;Krug，1980）、克氏孤獨癥篩查量表（CABS;Clancyetal.，1969）、兩歲兒童孤獨癥篩選測驗（STAT；Stoneetal.，200O），以及兒童用孤獨癥譜系商數量表（AQ-Child;Auyeungetal.，2008）等。如果二級篩查仍為陽性，則需借助診斷性評估工具進行確診，常用的診斷量表包括：孤獨癥診斷訪談問卷修訂版（ADI-R；Lordetal.，1994）、孤獨癥診斷觀察量表第二版（ADOS-2;Lordetal.，2012），以及兒童孤獨癥評定量表（CARS；盧建平等，2004）等。然而，這些篩查工具在臨床應用中面臨諸多挑戰。首先，篩查過程包含量表填寫、病史采集、臨床觀察和綜合評分等多個環節，整體評估耗時較長，影響篩查效率。其次，準確實施早期篩查要求臨床醫生具備扎實的孤獨癥兒童發育特征和臨床表現的專業知識儲備，這需要通過系統化的專業培訓來確保醫生能夠熟練掌握篩查工具的使用方法，并對觀察到的兒童行為作出準確判斷。但受限于臨床工作負荷和培訓資源，開展系統性的篩查培訓存在現實困難。因此，開發客觀、精準的孤獨癥早期篩查輔助工具，構建多維度的風險評估體系，已成為當前臨床實踐的迫切需求。

近年來，隨著科學技術的進步，研究者們結合眼動、腦電以及磁共振成像等技術，開發出一些客觀的孤獨癥篩查工具（見綜述：常天怡等，2024；李西等，2022；朱宏銳等，2024）。在眼動篩查指標方面，大量研究表明，兒童異常的視覺偏好和注視特征，如對面孔及其核心區域（尤其是眼睛區域）的注視減少、對社交場景注視降低、對非社交場景注視增加等，均可以作為孤獨癥早期篩查的重要指標。例如，Liu等人（2016）發現，在靜態面孔識別任務中，通過分析兒童對面孔尤其是核心區域的掃描模式，能夠有效區分4～11歲的孤獨癥兒童與正常發展兒童。類似地，在動態面孔識別任務中，孤獨癥兒童在觀看動態視頻時，對人物眼睛、鼻子、嘴巴、臉頰等區域的注視時間顯著減少，尤其是對嘴巴和身體的注視時間，能夠有效將其與健康對照組兒童區分開（Wanetal.，2019）。此外，研究者通過對比孤獨癥兒童對幾何圖形和社交場景的注視偏好，一致發現孤獨癥兒童更傾向注視重復的幾何圖形，而對各類社交場景關注顯著較少（Mooreetal.，2018;Pierceetal.，2016;Wen et al.，2022）。

在腦電篩查指標方面，研究者們結合EEG數據和機器學習技術，開發出多種早期篩查指標。例如，Kang等人（2020）采集了3～6歲兒童在靜息狀態和觀看面孔圖片過程中的EEG數據，并計算在 δ，Θ，a，β 和 γ 頻段的相對功率。結果顯示，孤獨癥兒童在0頻段的腦電功率顯著高于健康對照組，而在 β 和 γ 頻段的腦電功率則顯著低于健康對照組。此外，利用這5個頻段的相對功率結合支持向量機（Support Vector Machine，SVM）算法，能夠有效區分健康兒童和孤獨癥兒童。

在磁共振成像篩查方面，孤獨癥被認為與發育早期腦容量的異常增長密切相關，因此腦容量差異可以作為輔助早期篩查的指標（Hazlettetal.，2017）。例如，Shen等人（2018）采用結構磁共振成像（sMRI）技術，對159名2～4歲孤獨癥兒童和77名正常發育兒童的軸外腦脊液體積和腦體積進行了測量。研究發現，在控制腦體積、體重、性別和年齡等變量后，孤獨癥兒童的軸外腦脊液體積較正常發育組兒童顯著增加 15.1% 。同時，以軸外腦脊液體積、腦體積及頭圍等指標為特征向量，結合機器學習算法，能夠有效預測兒童是否診斷為孤獨癥。此外，靜息態功能磁共振成像（rsfMRI）研究表明，靜息態功能連接模式也可以作為孤獨癥潛在的生物標記物（Reiteretal.，2021;Sunetal.，2021）。

盡管目前基于眼動、腦電和磁共振成像技術的孤獨癥篩查工具已取得一定進展，但這些工具的實驗任務設計仍存在局限性。現有研究多集中于基礎的情緒識別和視覺偏好任務（如幾何圖形與社交場景的對比），且多以靜態圖片作為刺激材料。雖然近年來部分研究開始嘗試引入真實的社交場景，但其任務設計仍局限于兒童被動觀察他人在社交情境中的情緒和行為表現，未能充分反映兒童在真實互動中的動態特征。因此，目前尚缺乏基于兒童在真實社交情境中的情緒和行為表現，自動提取客觀指標以進行孤獨癥篩查的有效工具。這一局限嚴重制約了篩查工具的生態效度及其在臨床實踐中的推廣價值。

值得注意的是，兒童的社交技能主要是在真實的人際互動中，尤其是親子互動的過程中逐步形成和發展的。因此，開發以親子同步性為客觀指標的孤獨癥早期篩查工具，可以為臨床實踐提供新的思路和技術支持。然而，作為篩查工具，其核心在于具備客觀、可量化的指標。因此，如何對實時進行的親子互動中的行為和神經生理同步性進行量化評估，尤其是提取自動化、標準化的評估指標，成為當前研究面臨的重要技術挑戰。

在動作同步性指標的研究中，以往研究主要是采用結構化的行為任務（如，合作按鍵），然后通過計算互動雙方共同按鍵反應的時間差作為行為同步性的量化指標，即，時間差越短，動作同步性程度越高（Kruppaetal.，2021；Wanget al.，

2020）。然而，這類結構化的行為任務存在生態效度不足的問題，難以真實反映自然情境中的人際互動特征。為克服這一局限，近年來一些研究開始關注真實人際互動中的同步性，例如自由互動（freeplay）和自由談話中的動作同步性（Chenetal.，2023；Zampellaetal.，2020）。但隨之而來的問題是無法客觀地量化動作同步性的程度，由于自然場景中發生的人際互動是無規律、復雜和充滿不確定性的，因而只能通過研究者對人際互動錄像進行行為編碼的方式來進行估計，這種方法主觀性強且效率低下。盡管許多研究表明，孤獨癥兒童在人際互動中動作同步性較差可能是其社交溝通障礙的病理機制（Fitzpatricketal.，2017；Kauretal.，2018），但現有評估方法的主觀性嚴重限制了這一研究結論在孤獨癥早期篩查實踐中的應用。

為解決上述問題，近年來計算機科學和人工智能技術的進步為人際同步性的客觀量化提供了新的可能性?；贏lphaPose的多人姿態估計模型（regional multi-person pose estimation，RMPE）為客觀計算真實互動情境中互動雙方的動作同步性提供了技術支持（Fangetal.，2017，2022;Li et al.，2019）。AlphaPose是一種分階段的檢測模型，采用自上向下的方法，首先檢測出圖片或視頻信息中的人體區域并用矩形框的方式進行標記，再通過人體姿態估計算法對檢測到的人體區域進行關鍵節點檢測，進而進行姿態估計。最近的一項研究應用這一技術客觀量化了孤獨癥幼兒與教師在自由玩耍過程中的動作同步性（Chenetal.，2023）。結果發現，相比于正常發展兒童，孤獨癥幼兒與教師在上肢和軀干上的動作同步性較低，趨近于隨機水平，且動作同步性水平與幼兒的孤獨癥癥狀顯著負相關。這一研究提示，可以運用機器學習的技術，分析親子在真實互動中的動作同步性程度。

此外，目前尚無研究探討表情同步性的量化計算。雖然一些研究發現，相比正常親子，孤獨癥兒童在人際互動中的表情同步性程度較低，并且表情同步性水平與孤獨癥癥狀顯著負相關（Tingamp;Weiss，2017;Valentovich etal.，2018）。然而，在這些研究中，表情同步性也都是通過行為編碼的方式來進行評估的。如何對互動對象的面部表情進行客觀地量化分析也是一個重要的技術挑戰。

新近的面部動作編碼系統——FaceReader，可以自動識別和分析高興、悲傷、憤怒、驚奇、害怕、厭惡6種基本情緒和中性情緒狀態，對不同類型的面部表情的平均識別準確率高達 99% （Stocklietal.，2018）。研究表明，該系統可以較為有效地識別中國人的面孔情緒（施聰鶯，李晶，2018。然而，目前尚無研究應用該系統來對孤獨癥親子進行研究。在生理和神經同步性指標方面，目前也尚無研究將其應用于孤獨癥的篩查實踐中。

3研究構想

在人際同步性理論的指導下，本研究將結合多人姿態評估、面部表情自動識別、生理測量、行為編碼以及fNIRS超掃描技術，探索孤獨癥兒童與父母在自然互動過程中的行為同步性及其神經生理機制，并探索以親子同步性為客觀指標進行孤獨癥社交溝通障礙早期篩查的可能性。研究1通過行為實驗對孤獨癥親子在自由互動中面部表情和肢體動作的同步性進行全面評估，考察孤獨癥親子行為同步性的特征，并檢驗其與兒童社交溝通障礙的關系。研究2通過運用生理多導儀和fNIRS超掃描技術，考察孤獨癥親子在互動中的RSA同步性和腦間同步性，明確親子行為同步性的神經生理機制及其對孤獨癥兒童社交溝通障礙的影響。研究3通過追蹤研究設計和機器學習的方法，探索高危孤獨癥幼兒早期與父母的行為和神經生理同步性對其1年后的孤獨癥診斷的預測作用，以驗證運用親子同步性作為客觀指標進行孤獨癥早期篩查的可能性。整體研究框架見圖1。

3.1研究1：親子行為同步性與社交溝通障礙的關系

研究1將探究孤獨癥兒童與父母在自由互動過程中的行為同步性（包括動作和情緒同步性），并檢驗其與兒童社交溝通障礙的關系。目前，研究者們青睞使用結構性（structured）和節奏性（rhythmic）強的行為任務，如合作按鍵、拍手和共同敲鼓等來創建人際同步性的場景（Fitzpatricketal.，2017;Fulcerietal.，2018）。因為運用這些結構性強的任務可以較為容易地評估人際互動中的行為同步性。但是，在這些任務中表現出的行為同步性是有目的、有意識的同步（intentional synchrony），與自然場景中自發產生的行為同步（spontaneoussynchrony）具有較大的差異，真實的人際互動是更為復雜的、非結構化的，以及充滿不確定性的，因而很難將相關研究發現有效地推論到真實的人際互動中（Georgescuetal.，2020;Zampellaet al.，2020）。為了真實地了解孤獨癥兒童與父母在互動中的同步性特征，研究1采用親子自由互動（freeplay）任務。

3.1.1 被試

本研究擬招募100對親子，包括50名3～6歲孤獨癥兒童以及50名正常發展兒童。孤獨癥兒童的入組標準如下：（1）由臨床醫生根據《精神障礙診斷與統計手冊（第五版）》（DSM-5;APA，2013）中關于孤獨癥譜系障礙的診斷標準確診；（2）通過孤

獨癥診斷觀察表第二版（ADOS-2）和兒童孤獨癥評定量表（CARS）進行診斷確認；（3）排除其他神經發育障礙或嚴重軀體疾病。正常發展兒童的入組標準為：（1）年齡、性別及智商與孤獨癥兒童相匹配；（2）無任何神經發育障礙、精神疾病或軀體疾病。

3.1.2 研究方法

孤獨癥親子到達實驗室后，父母填寫基本人口學信息的問卷調查（如，兒童的性別、出生日期、孤獨癥診斷的時間等），并填寫社交反應量表-第二版（Social Responsiveness Scale， 2^nd Edition，SRS-2;Constantinoamp;Gruber，2012）來報告兒童的社交溝通能力。隨后，親子完成15分鐘的自由互動任務，通過錄像的方式記錄親子互動過程中的面部表情和肢體動作的信息。

3.1.3 數據分析和研究假設

情緒同步性分析：運用面部表情分析系統對親子互動過程中面部表情進行自動識別與分析。首先，進行人臉查找（facefinding），使用基于深度學習的人臉查找算法查找人臉；隨后，進行人臉建模（facemodeling），使用近50o個關鍵點制作準確的人工人臉模型；最后，進行人臉分類（faceclassification），用人工神經網絡對表情進行分類。運用該面部表情分析系統，可以識別視頻數據中人臉在每0.3秒內的高興、悲傷、憤怒、驚奇、害怕、厭惡6種基本情緒和中性情緒的百分比，以及情緒消效價和喚醒度、視線方向等信息。

基于面部表情自動識別和分析的數據，進行親子表情同步性的計算。通過層次線性模型（HierarchicalLinearModeling，HLM）對親子雙方自動提取的面部表情數據進行計算，分析親子表情同步性程度，具體的公式如下：

第一層：

兒童的表情成分 Π_t=b₀+b_I 時間 父母的表情成分 Ψ_t+Ψε_t

第二層：

如上述公式所示，兒童在當下時間點 t 的表情成分數據為因變量。在第一層中，加人時間變量以控制兒童的面部表情成分隨時間的變化；加入父母在當下時間的面部表情成分數據，因而， b₂ 代表親子面部表情同步性系數。在第二層中，未加入其它親子間變量。隨后，從第二層的殘差數據中提取代表親子表情同步性水平 （γ₂₀） 的經驗貝葉斯系數（Empirical Bayes coefficient，EB 系數），該系數用于量化每對親子的表情同步性。最后，通過回歸分析檢驗親子表情同步性對孤獨癥兒童社交溝通障礙的預測作用。我們假設，在自由互動過程中，親子間情緒同步性程度越低，孤獨癥兒童的社交溝通障礙越嚴重。

動作同步性分析：采用AlphaPose多人姿態估計模型（Fangetal.，2017，2022）計算親子互動過程中動作同步性的程度。具體流程如下：首先，通過快速基于區域的卷積神經網絡（FasterRegion-based ConvolutionalNeuralNetwork，FasterR-CNN2）對輸人的視頻數據進行人體區域檢測；其次，運用區域多人姿態估計算法（Regional Multi-person Pose Estimation，RMPE）對檢測到的人體區域進行姿態估計；最后，基于先前研究（Chen etal.，2023;Georgescu etal.，2020），使用窗口互相關（WindowedCross-CorrelationWCC算法來量化親子實時互動過程中的動作同步性程度。同樣采用回歸分析來檢驗動作同步性對孤獨癥兒童社交溝通障礙的預測作用。我們假設，在自由互動過程中，親子間動作同步性程度越低，孤獨癥兒童的社交溝通障礙越嚴重。

3.2研究2：親子神經生理同步性與社交溝通障礙的關系

研究2擬采用多個自然互動情境來驗證研究1的結果，并進一步探究孤獨癥親子的動作和表情同步性是否能夠反映在生理和神經同步性上，用以揭示親子行為同步性背后的神經生理機制，及其與孤獨癥兒童社交溝通障礙的關系。由于自主神經系統和中樞神經系統（大腦）均為持續進行的社會互動提供生理方面的支持，因而互動對象在自主神經系統的喚醒水平和大腦激活水平上的同步性，可能反映了互動雙方對外界刺激的共同注意和對彼此行為和情緒狀態的相互理解（Gvirtsamp;Perlmutter，2020;Nguyen etal.，2020）。兒童的社交溝通障礙會嚴重破壞親子互動，使親子在互動中表現出情緒狀態不同步（Tingamp;Weiss，2017），互動行為缺乏靈活性等特點（Valentovichetal.，2018）。根據生理-行為同步性理論（Bio-behavioralsynchronytheory;Feldman，2007，2012），親子生理和行為同步性是緊密相連的，因此，兒童的社交溝通障礙也可能使得親子雙方的生理或神經活動不匹配。

3.2.1 研究方法

本研究的被試同研究1。實驗過程中，孤獨癥兒童與父母完成三個互動任務（自由互動、合作繪畫、沖突話題討論），用以模擬真實互動中最常見的場景。在親子互動的過程中使用BioPacMP160生理多導儀實時采集親子雙方的心率和呼吸數據并用fNRIS超掃描技術同時記錄親子雙方的大腦活動水平。主要關注的腦區為前額葉（PFC），因為它與人際互動過程中對外界刺激的共同注意及互動對象間行為和情緒的相互理解緊密相關（Nguyenetal.，2021;Quinones-Camacho etal.，2020）。

3.2.2 數據分析和研究假設

對親子的心率數據進行離線分析，計算親子RSA同步性程度。首先，通過MindWareHRV軟件對親子原始的心電和呼吸數據進行分析得到原始的RSA數值。根據心率變異性的頻域計算指南（TaskforceoftheEuropeansocietyofcardiologytheNorth American society of pacing electrophysiology1996，提取在呼吸頻率范圍內心電信號的R波時間序列，在這一過程中，將兒童的帶通濾波設定為 0.24～1.04Hz ，父母的帶通濾波設定為0.12～0.40Hz ，以此作為親子在互動任務中的RSA原始數值。將提取后的RSA數據以30秒的間隔進行分割用于隨后的同步性分析。運用HLM模型計算親子RSA同步性，具體計算方法同研究1中的表情同步性計算方式。

計算親子腦間同步性水平。首先，使用Matlab軟件中的Homer2工具箱對近紅外光譜數據進行預處理。隨后，通過調用“MotionArtifacts_By_Channel\"功能來檢測每個通道的動作偽跡。使用基于樣條插值（spline interpolation）的運動校正算法對偽影進行校正（Scholkmannetal.，2010）。再根據修正的比爾-朗伯定律將預處理后的光密度信號轉化為氧合血紅蛋白和脫氧血紅蛋白濃度。最后，通過調用Matlab微波工具箱（WaveletToolbox）中的微波函數（wcoherencefunction）中的微波轉換一致性（WTC；Grinstedetal.，2004）指標來計算親子腦間同步性。

通過相關分析和回歸分析的方法，探究親子表情和動作同步性與RSA同步性和腦間同步性的關聯。同時，檢驗親子行為和神經生理同步性對孤獨癥兒童社交溝通障礙的解釋和預測作用。研究2假設：（1）在三個互動任務中，親子情緒和動作同步性水平與RSA同步性和腦間同步性水平均顯著正相關;（2）親子的RSA同步性和腦間同步性水平越低，孤獨癥兒童的社交溝通障礙越嚴重。

3.3研究3：親子同步性應用于高危孤獨癥幼兒的早期篩查

研究3將通過機器學習的方式，以高危孤獨癥幼兒與父母的動作、表情、生理和神經同步性為指標，來預測幼兒1年后的孤獨癥診斷結果，以考察運用親子同步性的客觀指標進行孤獨癥早期篩查的可能性。由于社會交流是互動對象間實時動態交互的過程，因而人際同步性可能是孤獨癥社交溝通障礙潛在的發生機制（Georgescuetal.，2020；McNaughtonamp;Redcay，2020）?；谘芯?和研究2的理論研究結果和技術手段（包括基于AlphaPose模型的多人姿態估計、面部表情自動識別、fNRIS超掃描技術），研究3將測量18～24個月高危孤獨癥幼兒在與父母自由互動過程中的動作、表情，以及生理和腦間同步性水平。同時，采用機器學習的技術來對1年后幼兒的孤獨癥診斷結果進行預測。

3.3.1 被試

計劃招募100對親子，其中50名為經臨床醫生評估為高危孤獨癥的18～24個月幼兒，50名為與高危孤獨癥幼兒年齡和性別匹配的正常發展幼兒。根據美國兒科學會（AAP）有關在兒童健康體檢中應對所有18～24個月的幼兒進行孤獨癥篩查的建議，并且一些孤獨癥臨床篩查工具的適用對象也大致在這一范圍（如，M-CHAT量表的適用對象是16～30個月的幼兒），因此本研究選取18～24個月的高危孤獨癥幼兒為研究對象。

高危孤獨癥幼兒有以下幾種情況：（1）有一個或多個被確診為孤獨癥的兄弟姐妹；（2）早產兒（lt;32周）、低體重 （lt;1500g） 、小于胎齡兒、大于胎齡兒 （gt;95^th 出生體重百分數），且經過臨床醫生評估具有孤獨癥風險； （3）根據《孤獨癥譜系障礙兒童早期識別篩查和早期干預專家共識》，幼兒在2歲前表現出不（少）看、不（少）應、不（少）指、不（少）語、不當的\"五不\"行為，且經過臨床醫生評估具有孤獨癥風險；（4）臨床醫生根據M-CHAT量表篩查后有孤獨癥風險。

3.3.2 研究方法

研究3分為兩個階段：階段一為幼兒親子互動實驗。本研究招募18～24個月的高危孤獨癥幼兒和正常發展幼兒及其父母，在實驗室環境下完成15分鐘親子自由互動任務，并采集親子互動的錄像、心電和呼吸、大腦活動數據。具體任務流程、數據采集及親子同步性數據分析的方式同研究1和研究2。階段二為孤獨癥診斷情況的追蹤。1年后，追蹤高危孤獨癥幼兒和正常發展幼兒是否被臨床診斷為孤獨癥。

3.3.3 數據分析和研究假設

為了檢驗以親子同步性作為客觀指標來進行孤獨癥早期篩查的可行行，研究3采用機器學習的經典算法——支持向量機（SVM）對1年后幼兒是否會被診斷為孤獨癥進行預測。SVM因其能夠有效處理高維數據（即使在數據維度高于樣本量的情況下仍然表現良好）以及較強的泛化能力而被選用。具體計算流程如下：首先，將高危孤獨癥幼兒和正常發展幼兒在18～24個月時與父母互動中的情緒和動作同步性、RSA同步性以及腦間同步性數據作為核心特征，通過主成分分析等方法對訓練數據進行特征提取，通過將高維數據投影到低維度數據空間來篩選出最顯著的特征。隨后，基于提取的特征，使用訓練集標簽優化模型，構建能夠區分高危孤獨癥幼兒與正常幼兒的決策函數。針對樣本量較小問題，本研究使用留一交叉驗證（leave-one-outcross-validation，LOOCV的方法，通過循環留出的被試進行預測，以提升模型的穩健性。最后，通過準確性（accuracy）、敏感性（sensitivity）、特異性（specificity）以及接受者操作特征曲線（receiveroperatingcharacteristic curve，ROC曲線）等指標對訓練好的模型進行算法評估。本研究假設，基于親子情緒、行為、生理和神經同步性數據構建的SVM模型可以較為準確地對高危孤獨癥幼兒和正常幼兒進行分類，并能夠較為準確地預測高危孤獨癥幼兒是否會在1年后被診斷為孤獨癥。

4理論建構

社交溝通障礙是孤獨癥兒童的核心癥狀之一，其機制一直是學界關注的重要問題。然而，傳統研究多從個體層面探討孤獨癥兒童的社交缺陷，例如社會性注意減少、共情能力缺陷、情緒調節障礙等（Del Bianco et al.，2021；Griffin et al.，2021）。盡管這些研究在一定程度上揭示了孤獨癥兒童在社會信息加工和互動中的困難，但它們未能充分解釋其在現實社交情境中的系統性互動失敗機制。社交溝通的本質是人與人之間的互動過程，因此，孤獨癥兒童的社交溝通障礙不應僅被視為其個體能力的缺陷，而應被理解為一種動態的、關系性的現象。

人際同步性理論提供了一種全新的視角來理解社會互動，它強調個體與互動對象在情緒、動作、言語和神經生理水平上的協調一致性（Feldman，2007，2012）。社會互動的成功不僅取決于個體的社會認知能力，更依賴于互動雙方在實時交流中形成的動態雙向協調。已有研究表明，人際同步性在正常兒童的親子互動和社會情感發展中起著至關重要的作用（Davisetal.，2018;DePasquale，2020）。相比之下，孤獨癥兒童往往在情緒、動作、生理和神經活動等多個層面上表現出同步性困難，這可能是其社交溝通障礙的關鍵機制（Kruppa et al.，2021;Valentovich et al.，2018;Wang et al.， 2021）。

基于此，本研究提出孤獨癥兒童的社交溝通障礙本質上是一種“同步性障礙”，即同步性缺陷可能導致社交情境中的交互失效，進而影響社交關系的建立和社會適應能力的發展。因此，從人際同步性的視角重新審視孤獨癥的社交溝通障礙，將有助于揭示其發生機制，并為早期篩查及干預提供新的理論框架。

在多種社交情境中，本研究重點關注親子互動情境。親子互動是兒童早期最主要的社會交往形式，而親子同步性在兒童社會情感發展中具有核心作用（Paciaetal.，2022）。同時，本研究提出以生理和行為同步性的多個指標來深入理解孤獨癥兒童的社交溝通障礙。根據生理-行為同步性理論（Feldman，2007，2012），成功的親子互動需要三個層面的同步協調：行為層面（如面部表情、肢體動作）、生理層面（如RSA）以及神經層面（如前額葉皮層激活模式）。這三個層次的動態同步共同構成了親子互動的協調基礎。

然而，孤獨癥兒童在親子互動中往往表現出同步性缺陷。例如，其行為同步性較低，面部表情與父母的不同步，導致社交互動中的情感共鳴減少（Valentovichetal.，2018）；自主神經系統同步性降低，孤獨癥兒童在社交情境下的RSA水平較低，并且在親子互動中的RSA同步性顯著低于正常兒童（Wangetal.，2021）；此外，神經同步性異常，孤獨癥兒童在前額葉皮層與父母的神經同步性較低，這可能影響其社會互動中的共同注意和情緒調節（Kruppaetal.，2021）。這些研究結果提示，孤獨癥兒童的社交溝通障礙可能源于其在多個維度（表情、動作、生理和神經活動）上的動態匹配能力受損，是多層次同步性缺陷的結果。

本研究構建的理論框架以生理-行為同步性理論（Feldman，2007，2012）為基礎，提出孤獨癥兒童的社交溝通障礙可以通過分析其親子同步性（行為、生理、神經同步）來理解。這一理論不僅有助于解釋孤獨癥兒童的社交困境，還能為早期篩查提供新的測量指標。

在孤獨癥的早期篩查領域，長期以來面臨的挑戰是，傳統篩查工具（如M-CHAT、ADOS-2）主要依賴主觀評估，存在耗時長、對評估者的專業能力要求高等問題（蔡鄭婷等，2022；趙亞楠等，2023）。而人際同步性，尤其是親子同步性，可以作為一種更客觀、更自動化的輔助篩查指標。近年來，隨著人工智能技術的發展，研究者開始探索基于多維度同步性的客觀評估方法。例如，動作同步性的測量可通過基于AlphaPose的多人姿態估計模型實現，以自動量化親子在自由互動中的肢體動作同步程度（Fangetal.，2017；Lietal.，2019）。面部表情同步性分析可借助面部動作編碼系統（FaceReader）客觀評估親子間的情緒同步性，從而避免傳統行為編碼的主觀偏差（Stocklietal.，2018）。生理和神經同步測量則可結合fNIRS超掃描技術，實時監測親子間的神經同步性，為孤獨癥早期篩查提供神經生物學證據（Nguyenetal.，2021;Wang et al.，2020）。

本研究創新性地提出以親子同步性為客觀指標，結合人工智能技術，構建孤獨癥的早期篩查模型。通過綜合分析親子在行為（動作、表情）、自主神經系統（RSA）、神經活動（腦間同步）上的同步性特征，開發基于機器學習的預測模型，以實現孤獨癥的自動化、客觀化、精準化篩查。

參考文獻

蔡鄭婷，胡連信，王澤峰，謝廣東，林賢偉.（2022）.幾種常見兒童孤獨癥譜系障礙篩查及診斷量表的比較研究.

中國全科醫學，25（24），2998-3004.

常天怡，孟凡超，田音，陳旭，鄭毅.（2024）.機器學習聯 合眼動注視模式在孤獨癥早期診斷中的應用．中華精神 科雜志，57（9），623-628.

龔郁杏，劉靖，郭延慶，宋文紅，賈美香，李長璟.（2015）. 改良嬰幼兒孤獨癥量表中文簡化版的效度和信度．中國 心理衛生雜志，29（2），121-124.

李廷玉.（2017）.孤獨癥譜系障礙兒童早期識別篩查和早 期干預專家共識．中華兒科雜志，55（12），890-897.

李西，田真玲，姜孟.（2022）.機器學習在孤獨癥篩查與診 斷中的應用研究進展．中國特殊教育，267（9），47-54.

李先春，卑力添，袁滌，丁雅娜，馮丹陽.（2018）.超掃描 視角下的社會互動腦機制．心理科學，41（6），1484-1491.

盧建平，楊志偉，舒明耀，蘇林雁.（2004）.兒童孤獨癥量 表評定的信度、效度分析．中國現代醫學雜志，14（13）， 119-121， 123.

施聰鶯，李晶.（2018）.FaceReader7.0對國內常見表情圖 片庫識別的有效性研究．心理技術于應用，6（2），100-108.

王磊，賀薈中，畢小彬，周麗，范曉壯.（2021）.社會動機 理論視角下自閉癥譜系障礙者的社交缺陷．心理科學進 展，29（12），2209-2223.

趙亞楠，李智文，李琳，關春榮，殷玉芳，楊逸凡，..．賈 美香.（2023）.中國0-6歲兒童孤獨癥譜系障礙篩查患病 現狀.中國生育健康雜志，34（5），423-428.

朱宏銳，張華，任珊，梅媛，肖歸.（2024）.機器學習在嬰 幼兒孤獨癥譜系障礙早期篩查中的應用進展．教育生物 學雜志，12（2），149-159.

American Psychiatric Association. （20l3）. Diagnostic and statisticalmanualofmentaldisorders（5thed.）.American Psychiatric Publishing.htps：//doi.org/10.1176/appi.books. 9780890425596

Auyeung，B.，Baron-Cohen，S.，Wheelwright， S.，amp;Allson， C.（2008）. The autism spectrum quotient： Children's version （AQ-Child）.Journal ofAutismand Developmental Disorders， 38（7）， 1230-1240. https：//doi.org/10.1007/ s10803-007-0504-z.

Baker，J.K.，Fenning，R.M.，Erath，S.A.，Baucom，B.R， Messinger，D.S.，Moffitt，J.，...Bailey，，A.（2020）. Respiratory sinus arrhythmia，parenting，and externalizing behavior in children with autism spectrum disorder.Autism， 24（1），109-120.https：//doi.org/10.1177/136236131984852

Baron-Cohen，S.，Allen，J.，amp; Gillberg，C.（1992）.Can autismbe detected at 18 months？The needle，the haystack. and theCHAT.TheBritishJournalofPsychiatry，161（6）， 839-843.https：//doi.org/10.1192/bjp.161.6.839

Bolis，D.，Balsters，J.，Wenderoth，N.，Becchio，C.，amp; Schilbach，L. （2018）. Beyond autism： Introducing the dialectical misatunement hypothesis and a Bayesian account of intersubjectivity.Psychopathology，50（6），355- 372.https：//doi.0rg/10.1159/000484353

Bowsher-Murray，C.，Gerson，S.，Von dem Hagen，E.，amp; Jones，C.R.（2022）.The components of interpersonal synchrony in the typical population and in autism：A conceptual analysis.Frontiers in Psychology，13，897015. https：//doi.0rg/10.3389/fpsyg.2022.897015

Centers for Disease Control and Prevention. （2024）. Data and statistics on autism spectrum disorder. https：//www. cdc.gov/autism/data-research/index.html

Chen，X.，Chen，J.，Liao，M.，amp;Wang，G.（2023）.Early onset of impairments of interpersonal motor synchrony in preschool-aged children with autism spectrum disorder. Journal of Autism and Developmental Disorders， 53（6）， 2314-2327.https：//doi.org/10.1007/s10803-022-05472-8

Chevallier，C.，Kohls，G.，Troiani，V.，Brodkin，E.S.，amp; Schultz，R.T.（20l2）. The social motivation theory of autism.Trends in Cognitive Sciences，16（4），231-239. https：//doi.org/10.1016/j.tics.2012.02.007.

Clancy，H.，Dugdale，A.，amp; Rendle- Short， J. （1969）.The diagnosisof infantileautism.Developmental Medicineamp; Child Neurology，11（4），432-442. htps：//doi.org/10.1111/ j.1469-8749.1969.tb01461.x

Condy，E.E.，Scarpa，A.，amp; Friedman，B.H.（2017）. Respiratory sinus arrhythmia predicts restricted repetitive behavior severity.Journal ofAutism and Developmental Disorders，47（9），2795-2804. https：//doi.org/10.1007/ s10803-017-3193-2

Constantino，J.N.，amp;Gruber， C.P.（20l2）.Social responsiveness scale （2nd ed.）. Western Psychological Services.

Corbett，B.A.，Muscatello，R.A.，amp; Baldinger，C.（2019）. Comparing stress and arousal systems in response to different social contexts in children with ASD.Biological Psychology，140，119-130.htps：//oi.org/10.1016/ j.biopsycho.2018.12.010

Davis，M.，West，K.，Bilms，J.，Morelen，D.，amp; Suveg，C. （2018）.Asystematic reviewofparent-child synchrony：It is more than skin deep.Developmental Psychobiology， 60（6），674-691. https：//doi.org/10.1002/dev.21743

Deak，G.O.，Krasno，A.M.，Jasso，H.，amp; Triesch，J.（2018）. Whatleadstosharedattention？Maternalcuesand infant responsesduring object play. Infancy，23（l），4-28. https：//doi.org/10.111l/infa.12204

Del Bianco，T.，Mason，L.，Charman，T.，Tillman，J.，Loth，E.， Hayward，H.， ..Zwiers，M.P.（2021）.Temporal profiles of social attention are different across development in autistic and neurotypical people.Biological Psychiatry： Cognitive Neuroscience and Neuroimaging， 6（8）， 813-824. https：//doi.org/10.1016/j.bpsc.2020.09.004

DePasquale， E. （2020）. A systematic reviewof caregiver-child physiological synchrony across systems： Associations with behavior and child functioning. Development and Psychopathology，32（5），1754-1777. https：//doi.0rg/10.1017/S0954579420001236

Fang，H.S.，Li，J.，Tang，H.，Xu，C.，Zhu，H.，Xiu，Y.，..Lu， C.（2022）.Alphapose：Whole-body regional multi-person poseestimation and tracking in real-time. IEEE Transactionson Pattern Analysisand Machine Intelligence， 45（6），7157-7173.htps：//oi.org/10.1109/TPAML2022.3222784

Fang，H.S.，Xie，S.，Tai，Y.W.，amp;Lu，C.（2017）.Rmpe： Regional multi-person pose estimation.Proceedings of the IEEE international conference on computer vision （pp. 2334-2343）.

Feldman，R.（2oo7）.Parent-infant synchrony and the construction of shared timing;physiological precursors，developmental outcomes，and risk conditions.Journal of Child Psychology andPsychiatry，48（3-4），329-354.https：//doi.org/10.1111/ j.1469-7610.2006.01701.x

Feldman，R. （2ol2）.Parent-infant synchrony：A biobehavioral model of mutual influences in the formation of afiliative bonds.Monographs of the Society for Research in Child Development，77（2），42-51.https：//www.jstor.org/stable/ 23256638

Feldman，R. （2015）.Mutual influences between child emotion regulation and parent-child reciprocity support development across the first 10 years of life： Implications fordevelopmental psychopathology. Development and Psychopathology，27（4 Pt1），1007-1023.https：//doi.org/ 10.1017/S0954579415000656.

Fenning，R.M.， Baker，J.K.，amp; Moffitt，J.（2018）.Intrinsic and extrinsic predictors of emotion regulation in children with autism spectrum disorder. Journal of Autism and Developmental Disorders，48（11），3858-3870.https：// doi.org/10.1007/s10803-018-3647-1

Fitzpatrick，P.，Romero，V.，Amaral，J.L.，Duncan，A， Barnard，H.，Richardson，M.J.，amp; Schmidt，R.（2017）. Evaluating the importance of social motor synchronization and motor skill for understanding autism. Autism Research， 10（10），1687-1699.https：//doi.org/10.1002/aur.1808

Fuchs，T.，amp; De Jaegher，H. （20o9）.Enactive intersubjectivity： Participatory sense-making and mutual incorporation. Phenomenology and the Cognitive Sciences，8（4），465- 486.https：//doi.0rg/10.1007/s11097-009-9136-4

Fulceri，F.，Tonacci，A.，Lucaferro，A.，Apicella，F.，Narzisi， A.，Vincenti，G.，...Contaldo，A.（2018）.Interpersonal motorcoordination during joint actions inchildren with andwithout autism spectrum disorder：Therole of motor information.ResearchinDevelopmentalDisabilities，80， 13-23.https：//doi.org/10.1016/j.ridd.2018.05.018

Georgescu， A.L.，Koeroglu， S.，Hamilton， A. D.C.， Vogeley， K.，Falter-Wagner，C.M.，amp;Tschacher，W.（2020）. Reduced nonverbal interpersonal synchrony in autism spectrum disorder independent of partner diagnosis：A motion energy study. Molecular Autism，1l（1），1-14. https：//doi.0rg/10.1186/s13229-019-0305-1

Goldstein，P.，Weissman-Fogel，I.，Dumas，G.，amp; ShamayTsoory，S. G. （2018）.Brain-to-brain coupling during handholding is associated with pain reduction.Proceedings of theNational AcademyofSciences，115（11），E2528-E2537. https：//doi.org/10.1073/pnas.1703643115

Griffin，J.W.，Bauer，R.，amp; Scherf，K.S.（2021）.A quantitative meta-analysis of face recognition deficits in autism：40 yearsof research.Psychological Bulletin， 147（3），268-292.https：//doi.org/10.1037/bul0000310

Grinsted，A.，Moore，J.C.，amp;Jevrejeva，S.（2004）.Application of the cross wavelet transform and wavelet coherence to geophysical time series.Nonlinear Processes in Geophysics， 11（5/6），561-566.htps：//oiorg/10.5194/npg-11-561-2004

Gvirts，H. Z.，amp; Perlmutter，R.（2020）.What guides us to neurally and behaviorally align with anyone specific？A neurobiological model based on fNIRS hyperscanning studies. The Neuroscientist，26（2），108-116. https：// doi.org/10.1177/1073858419861912

Harrist，A.W.，amp; Waugh，R. M. （2002）.Dyadic synchrony： Itsstructure and function in children’s development. Developmental Review，22（4），555-592. https：//doi.org/ 10.1016/S0273-2297（02）00500-2

Haskins，A.J.，Mentch，J.，Botch，T.L.，Garcia，B.D.， Burrows，A.L.，amp; Robertson，C.E.（2022）.Reduced social attention in autism is magnified by perceptual load innaturalistic environments.Autism Research，15（12）， 2310-2323. https：//doi.org/10.1002/aur.2829

Hazlett，H.C.，Gu，H.，Munsell，B.C.，Kim，S.H.，Styner，M.， Wolff，J.J.，...The IBISNetwork.（2017）.Earlybrain development in infants at high risk for autism spectrum disorder.Nature，542，348-351.https：//doi.org/10.1038/ nature21369

Hirsch，J.，Zhang，X.，Noah，J.A.，amp;Ono，Y.（2017）.Frontal temporal and parietal systems synchronize within and across brains during live eye-to-eye contact. NeuroImage， 157，314-330.htps：//doi.org/10.1016/j.neuroimage.2017.06.018

Hoehl，S.，Fairhurst，M.，amp; Schirmer，A.（2021）.Interactional synchrony：Signals，mechanismsand benefits. Social Cognitive and Affective Neuroscience， 16（l-2），5-18. https：//doi.org/10.1093/scan/nsaa024

Jaisle，E.M.，Groves，N.B.，Black，K.E.，amp; Kofler，M.J. （2023）.Linking ADHD and ASD symptomatology with social impairment：The role of emotion dysregulation. Research on Child and Adolescent Psychopathology，51（1）， 3-16.https：//doi.org/10.1007/s10802-022-00982-6

Kang，J.，Han，X.，Song，J.，Niu，Z.，amp;Li，X.（202O）.The identification of children with autism spectrum disorder by SVM approach on EEGand eye-tracking data. ComputersinBiologyandMedicine，120，103722.https：// doi.org/10.1016/j.compbiomed.2020.103722

Kaur，M.，Srinivasan，S.M.，amp; Bhat，A.N.（2018）. Comparing motor performance，praxis，coordination，and interpersonal synchrony between children with and without Autism Spectrum Disorder （ASD）.Research in Developmental Disabilities，72，79-95.https：//doi.org/ 10.1016/j.ridd.2017.10.025

Krug，D.A.，Arick，J.，amp; Almond，P.（1980）.Behavior checklist for identifying severely handicapped individuals with high levels of autistic behavior.Child Psychologyamp; Psychiatryamp; Allied Disciplines.https：//doi.org/10.1111/ j.1469-7610.1980.tb01797.x

Kruppa，J.A.，Reindl，V.，Gerloff， C.，Oberwelland Weiss，E.， Prinz，J.，Herpertz-Dahlmann，B.，...Schulte-Ruther， M. （2021）.Brain and motor synchrony in children and adolescents with ASD—A fNIRS hyperscanning study. Social Cognitive and Affective Neuroscience，16（1-2）， 103-116.https：//doi.org/10.1093/scan/nsaa092

Kwon，M.K.，Moore，A.，Barnes，C.C.， Cha，D.，amp; Pierce，K. （2019）.Typical levels of eye-region fixationin toddlers Witn autsm spectrum aisoraer across muiupie contexts. JournaloftheAmericanAcademyofChildamp;Adolescent Psychiatry，58（10），1004-1015. https：//doi.org/10.1016/ j.jaac.2018.12.011

Li，M.，Zhou，Z.，amp; Liu，X.（2019）.Multi-person pose estimation using bounding box constraint and LSTM. IEEETransactions on Multimedia，21（10），2653-2663. https：//doi.0rg/10.1109/TMM.2019.2903455

Liu，W.，Li，M.，amp;Yi，L.（2016）.Identifyingchildrenwith autism spectrum disorder based on their face processing abnormality：A machine learning framework.Autism Research，9（8），888-898. https：//doi.org/10.1002/aur.1615

Lord，C.，Rutter，M.，DiLavore，P.，Risi，S.，Gotham，K.，amp; Bishop， S. （2012）. Autism Diagnostic Observation Schedule，Second Edition （ADOS-2） Manual （Part 1）： Modules 1-4.Western Psychological Services.

Lord，C.，Rutter，M.，amp; LeCouteur，A.（1994）.Autism Diagnostic Interview-Revised： A revised version of a diagnostic interview for caregivers of individuals with possible pervasive developmental disorders.Journal of Autism and Developmental Disorders，24（5），659-685. https：//doi.org/10.1007/BF02172145

Lougheed，J.P.，amp;Keskin，G.（2021）.Parent-adolescent emotion dynamics at multiple time scales.Child Development Perspectives，15（2），125-131.https：//doi.org/10.1111/cdep. 12409

McNaughton，K.A.，amp; Redcay，E.（2020）.Interpersonal synchrony in autism. Current Psychiatry Reports，22（3）， 1-11. https：//doi.0rg/10.1007/s11920-020-1135-8

Miller，J.G.，Armstrong-Carter，E.，Balter，L.，amp;Lorah，J. （2023）.A meta-analysis of mother-child synchrony in respiratorysinusarrhythmia andcontextualrisk. Developmental Psychobiology，65（1），e22355.https：//doi.org/ 10.1002/dev.22355

Miller，J.G.，Vrticka，P.，Cui，X.，Shrestha，S.，Hosseini，S. H.，Baker，J.M.，amp; Reiss，A.L.（2019）.Inter-brain synchrony in mother-child dyads during cooperation：An fNIRS hyperscanning study. Neuropsychologia， 124，117- 124. https：//doi.org/10.1016/j.neuropsychologia.2018.12.021

Milton，D.E.（20l2）.On the ontological status of autism： The‘doubleempathyproblem'.Disabilityamp;Society，27（6）. 883-887.https：//doi.org/10.1080/09687599.2012.710008

Monier，F.，amp;Droit-Volet，S.（2019）.Developmentof sensorimotor synchronization abilities：Motor and cognitive components.Child Neuropsychology，25（8）， 1043-1062. https：//doi.0rg/10.1080/09297049.2019.1569607

Montague，P.R.，Berns，G.S.，Cohen，J.D.，McClure，S.M.， Pagnoni，G.，Dhamala，M.， Fisher，R.E. （2002）. Hyperscanning：Simultaneous fMRI during linked social interactions.Neuroimage，16（4），1159-1164.htts：//doi.org/ 10.1006/nimg.2002.1150.

Moore，A.，Wozniak，M.，Yousef，A.，Barnes，C.C.，Cha，D.， Courchesne，E.，amp; Pierce，K.（2018）.The geometric preference subtype in ASD：Identifying a consistent， early-emergingphenomenon through eyetracking. Molecular Autism，9， 1-13. https：//doi.org/10.1186/ s13229-018-0202-z

Murat Baldwin，M.， Xiao，Z.，amp; Murray，A. （2022）. Temporal synchrony in autism：A systematic review. Review Journal ofAutism and Developmental Disorders，9（4），596-617. https：//doi.0rg/10.1007/s40489-021-00276-5

Neuhaus，E.，Bernier，R.，amp;Beauchaine，T.P.（2014）.Brief report：Social skills，internalizing andexternalizing symptoms，and respiratory sinus arrhythmia in autism. Journal of Autism and Developmental Disorders，44（3）， 730-737. https：//doi.org/10.1007/s10803-013-1923-7

Neuhaus，E.，Bernier，R.A.，amp;Beauchaine，T.P.（2016）. Children with autism show altered autonomic adaptation to novel and familiar social partners.Autism Research， 9（5），579-591.https：//doi.org/10.1002/aur.1543

Nguyen，T.，Banki，A.，Markova，G.，amp; Hoehl，S.（020）. Studying parent-child interaction with hyperscanning. Progress in Brain Research， 254， 1-24. https：//doi.org/10.1016/bs.pbr.2020.05.003

Nguyen，T.，Schleihauf，H.，Kungl，M.，Kayhan，E.，Hoehl，S.. amp;Vrticka， P. （2021）. Interpersonal neural synchrony duringfather-childproblemsolving： AnfNIRS hyperscanning study. Child Development， 92（4），e565- e580.https：//doi.org/10.11ll/cdev.13510

Pacia， C.， Holloway， J.， Gunning，C.，amp; Lee，H. （2022）.A systematic reviewof family-mediated social communication interventions for young children with autism. Review Journal of Autism and Developmental Disorders，9（2）， 208-234. htps：//doi.org/10.1007/s40489-021-00249-8

Pierce，K.，Marinero，S.，Hazin，R.，McKenna，B.，Barnes，C. C.，amp;Malige，A. （2016）.Eye tracking revealsabnormal visual preference for geometric images as an early biomarker of an autism spectrum disorder subtype associated with increased symptom severity.Biological Psychiatry， 79（8）， 657-666. https：//doi.org/10.1016/ j.biopsych.2015.03.032

Porges， S.W. （20o7）. The polyvagal perspective.Biological Psychology， 74（2），116-143：https：//doi.0rg/10.1016/ j.biopsycho.2006.06.009

Porges，S.W.，amp; Furman， S.A. （2011）. The early development ofthe autonomic nervous systemprovides aneural platform for social behavior：A polyvagal perspective. Infant and Child Development，20（1）， 106-118. htps：// doi.org/10.1002/icd.688

Quinones-Camacho，L.E.，Fishburn，F.A.，Belardi，K.， Williams，D.L.，Huppert，T.J.，amp; Perlman， S.B.（2021）. Dysfunction in interpersonal neural synchronization as a mechanism for social impairment in autism spectrum disorder.Autism Research，14（8），1585-1596.https：// doi.org/10.1002/aur.2513

Quinones-Camacho，L.E.，Fishburn，F.A.， Camacho，M.C.， Hlutkowsky，C.O.，Huppert，T.J.，Wakschlag，L.S.，amp; Perlman， S.B. （2020）.Parent-child neural synchrony：A novel approach to elucidating dyadic correlatesof preschool irritability.Journal ofChild Psychologyand Psychiatry，61（11）， 1213-1223.https：//doi.0rg/10.1111/ jcpp.13165

Ratliff，E.L.，Kerr，K.L.，Cosgrove，K.T.，Simmons，W.K.， amp;Morris，A.S.（2022）.The role of neurobiological bases of dyadic emotion regulation in the development of psychopathology：Cross-brain associations between parents and children. Clinical Child and Family Psychology Review， 25（1），5-18.https：//doi.org/10.1007/s10567-022-00380-w

Reiter，M.A.，Jahedi，A.，Fredo，A.J.，Fishman，I.，Bailey，B. amp; Muller， R. A. （2021）. Performance of machine learning classification models of autism using resting-state fMRI is contingent on sample heterogeneity. Neural Computing and Applications，33，3299-3310.htps：/doi.org/10.1007/ s00521-020-05193-y

Robins，D.L.，Fein，D.，Barton，M.L.，amp;Green，J.A.（2001） TheModified Checklist for Autism in Toddlers：An initial study investigating the early detection of autism and pervasive developmental disorders. Journal of Autism and DevelopmentalDisorders，31（2），131-144.https：//doi.org/ 10.1023/A：1010738829569

Scholkmann，F.，Spichtig，S.，Muehlemann，T.，amp;Wolf，M. （2010）. How to detect and reduce movement artifacts in near-infrared imaging using moving standard deviation andspline interpolation. Physiological Measurement， 31（5），649-662.https：//oi.org/10.1088/0967-3334/31/5/004.

Scholtes，C.M.，Lyons，E.R.，amp; Skowron，E.A.（2021）. Dyadic synchrony and repair processes are related to preschool children’srisk exposure and self-control. Development and Psychopathology，33（3），1072-1084. https：//doi.0rg/10.1017/S0954579420000358

Shen，M.D.，Nordahl，C.W.，Li，D.D.，Lee，A.，Angkustsiri， K.，Emerson，R.W.，..Amaral，D.G. （2018）.Extra-axial cerebrospinal fluid in high-risk and normal-risk children with autism aged 2-4 years：A case-control study.The Lancet Psychiatry，5（11），895-904.https：//doi.org/10.1016/ S2215-0366（18）30294-3.

Stockli，S. Schulte-Mecklenbeck，M.， Borer， S.，amp; Samson， A.C.（2018）. Facial expression analysis with AFFDEX and FACET：A validation study. Behavior Research Methods，50（4）， 1446-1460. htps：//oi.org/10.3758/ s13428-017-0996-1

Stone，W.L.， Coonrod，E.E.，amp;Ousley，O.Y.（20o0）.Brief report： Screening tool for autism in two-year-olds （STAT）： Development and preliminary data.Journal ofAutism and Developmental Disorders，30（6），607-612.https：//doi.org/ 10.1023/A：1005647629002.

Sun，J.W.，Fan，R.，Wang，Q.，Wang，Q.Q.，Jia，X.Z.，amp;Ma. H.B.（2021）.Identify abnormal functional connectivity of resting state networks in autism spectrum disorder and apply to machine learning-based classification. Brain Research，1757，147299.https：//doi.org/10.1016/j.brainres. 2021.147299

Task force of the European society of cardiology theNorth American society of pacing electrophysiology.（1996）. Heartrate variability：Standardsofmeasurement， physiological interpretation，and clinical use.Circulation， 93（5），1043-1065. https：//doi.org/10.1161/01.CIR.93.5.1043

Ting，V.，amp; Weiss，J.A.（2017）.Emotionregulation and parent co-regulation in children with autism spectrum disorder.JournalofAutismand DevelopmentalDisorders， 47（3），680-689.https：//doi.org/10.1007/s10803-016-3009-9

Valentovich，V.，Goldberg，W.A.，Garfin，D.R.，amp;Guo，Y. （2018）.Emotion coregulation processes between mothers and their children with and without autism spectrum disorder：Associationswith children'smaladaptive behaviors.JournalofAutismandDevelopmentalDisorders， 48（4），1235-1248. htps：//doi.org/10.1007/s10803-017-3375-y

VanHeijst，B.F.，amp;Geurts，H.M.（2015）.Qualityoflifein autism acrossthe lifespan：Ameta-analysis.Autism，19（2）， 158-167.https：//doi.org/10.1177/1362361313517053

Wan，G.，Kong，X.，Sun，B.，Yu，S.，Tu，Y.，Park，J.，...Kong， J.（2019）.Applying eye tracking to identify autism spectrum disorder in children.Journal of Autism and Developmental Disorders，49（1），209-215.https：//doi.org/ 10.1007/s10803-018-3690-y

Wang，H.，Suveg，C.，West，K.B.，Han，Z.R.，Zhang，X.，Hu， X.，amp; Yi，L.（2021）.Synchrony of respiratory sinus arrhythmiainparents and childrenwith autism spectrum disorder：Moderation by interaction quality and child behavior problems.Autism Research，14（3），512-522. https：//doi.org/10.1002/aur.2401

Wang，Q.，Han，Z.，Hu，X.，Feng，S.，Wang，H.，Liu，T.，amp;Yi L.（202o）.Autism symptoms modulate interpersonal neural synchronization in children with autism spectrum disorder in cooperative interactions.Brain Topography， 33（1），112-122.https：//doi.org/10.1007/s10548-019-00731-x

Wen，T.H.，Cheng，A.，Andreason，C.，Zahiri，J.，Xiao，Y.， Xu，R.，...Pierce，K.（2022）.Large scalevalidation ofan early-age eye-tracking biomarker of an autism spectrum disordersubtype.ScientificReports，12（1），4253.https：// doi.org/10.1038/s41598-022-08102-6 Wong，V.，Hui，L.H.S.，Lee，W.C.，Leung，L.S.J.，Ho，P.K. P.，Lau，W.L.C.，...Chung，B.（2004）.Amodified screening tool for autism（Checklist for Autism in Toddlers [CHAT-23]）for Chinese children.Pediatrics，

114（2），e166-e176.https：//doi.org/10.1542/peds.114.2.e166 World Health Organization. （2024）.Autism.https：// www.who.int/news-room/fact-sheets/detail/autism-spectru m-disorders Yi，L.，Wang，Q.，Song，C.，amp; Han，Z.R.（2022）.Hypo-or hyperarousal？ The mechanismsunderlying social information processing in autism.Child Development Perspectives，

16（4），215-222.https：//doi.org/10.1111/cdep.12466 Yu，C.，amp; Smith，L.B.（2o17）.Hand-eye coordination predicts jointattention.ChildDevelopment，88（6），2060-

2078.https：//doi.org/10.111l/cdev.12730 Zampella，C.J.，Csumitta，K.D.，Simon，E.，amp;Bennetto，L. （2020）.Interactional synchrony and its associationwith social and communication ability in children with and withoutautism spectrum disorder.Journal ofAutismand Developmental Disorders，50（9），3195-3206.https：// doi.org/10.1007/s10803-020-04412-8 Zhou，H.，Xu，X.，Yan，W.，Zou，X.，Wu，L.，Luo，X.，. LATENT-NHCStudyTeam.（2020）.Prevalenceofautism spectrum disorder in China：A nationwide multi-center population-based study amongchildren aged6to l2 years. Neuroscience Bulletin，36（9），961-971.https：//doi.org/

10.1007/s12264-020-00530-6

The neurophysiological mechanism of social communication impairments in children with autism： A perspective from parent-child synchrony

WANG Hui1'2， HAN Zhuo2

（DepartmentofhologyacultytsdienceingalUvesityatii9na （2FacultyofPsychology，BeijingNormal UniversityBeijingoo875，Cina）

Abstract： Social communication impairment is a core symptom of autism spectrum disorder. Previous research has predominantly interpreted this core symptom through individual factors，such as deficits in social attention or empathy，overlooking the inherently interpersonal nature of social communication.The theory of interpersonal synchrony posits that behavioral and physiological synchrony between interacting parties is essential for maintaining and enhancing interpersonal communication. Therefore，this study aims to integrate artificial intelligence with functional near-infrared spectroscopy hyperscanning technology to investigate the characteristicsand neurophysiological mechanisms of parent-child synchrony in children with autism and to analyze its relationship with their social communication impairments.This study could providea theoretical framework for elucidating the pathological mechanisms of social communication impairments from the novel perspective of parent-child synchrony and ofer technical support for the early screening of autism.

Keywords： autism spectrum disorder，social communication impairment， parent-child synchrony，early screening