一句话读懂：系统综述发现自闭症婴儿哭声存在若干一致的声学模式，但荟萃分析未发现音高差异具有统计学显著性。
自闭症谱系障碍（ASD）是一种影响沟通、社交、行为及感官处理神经发育状况。虽然症状可能在婴儿期早期出现，但许多儿童直到学龄前甚至更晚才被确诊。这种延迟影响了在脑部快速发育期间获得支持的机会。目前诊断主要依赖发育观察、临床评估及标准化工具，需要专业人员且部分社区难以获取。因此，研究者正在探索更早期、更客观的检测方式，如眼动追踪、脑成像、脑电图（EEG，一种测量大脑电活动的技术）及视频分析等。婴儿哭声分析是一种有前景的方法，因为哭声具有普遍性、无创且易于记录，可能成为早期生物标志物。
研究团队对现有证据进行了系统综述和荟萃分析（Meta-analysis，一种合并多项研究数据以得出整体结论的统计方法）。他们搜索了PubMed、Scopus等数据库，纳入条件包括：聚焦哭声分析、对象为60个月以下儿童、诊断符合统一协议或由神经科/精神科/儿科专家做出、基于严谨的神经心理评估、全文可用且为英文。最终，在排除重复和不相关记录后，共纳入11项研究，涉及736名参与者。其中5项采用回顾性方法（比较已知自闭症与已知非自闭症婴儿），6项采用前瞻性方法（追踪高可能性和低可能性婴儿直至确诊）。其中6项研究因报告了必要数据而被纳入荟萃分析。
多项研究使用机器学习模型区分自闭症与非自闭症婴儿的哭声，其表现通常优于传统统计方法，准确率常超过90%。个别研究报告了自闭症婴儿在基础音高（声音的基本高低）、高频高强度哭声（Hyperphonation，指异常高音和强烈的哭声）、嗓音质量异常等方面的差异。最常报告的差异是基础音高，多项研究提示自闭症婴儿的哭声音高可能更高。然而，当所有研究合并进行荟萃分析时，自闭症与非自闭症婴儿在哭声音高上的差异不具有统计学显著性。
尽管哭声分析提供了一种客观、可及且无创的筛查工具，有助于早期健康评估和发育结果预测，但现有研究存在局限性。大多数纳入研究的样本量非常小，这意味着只有相当显著的效果才能被统计程序检测到。此外，各研究在参与者年龄、自闭症特征以及诱发婴儿哭泣的方式上存在很大差异，这进一步复杂化了结果的比较。未来研究需要聚焦于大规模、多中心、纵向研究，涵盖多样化人群，以完善机器学习模型、建立标准化数据集并明确声学标志物的发育轨迹。