摘要
背景：
自闭症谱系障碍（ASD）患病率的上升对灵活的治疗和教育工具产生了迫切需求。人工智能（AI）被建议作为弥补这一差距的潜在桥梁，但从模型到临床应用需要严格的评估。本综述旨在汇编并审查现有文献，展示那些已从提出的模型阶段推进到与人类参与者实际使用的人工智能干预措施。
方法：
我们系统地检索了五个数据库（Embase、PubMed、ScienceDirect、IEEE Xplore、Web of Science；2016年1月至2025年12月）中关于基于AI的ASD干预措施的研究。两名审查者独立评估了纳入资格。纳入标准如下：(1) 具有确诊ASD诊断的参与者；(2) 干预样本量 N ≥ 6；(3) AI作为核心的治疗、教育或康复组成部分；以及 (4) 具有明确时间框架的多会话方案。研究类型涵盖从系统开发和可行性试验到随机对照试验（RCTs）。
结果：
14项研究符合纳入标准。AI（例如机器人、虚拟现实和可穿戴设备）作为社会中介发挥作用，通过降低认知负荷来改善社会情感结果（例如，ADOS、SRS评分）。重要的机制包括实时任务适应以及通过例如眼动追踪进行的精确行为监测。然而，在干预剂量（中位数4-12小时）上观察到显著的异质性。大多数研究受限于小样本、男性主导的样本（N < 20）以及完全缺乏成年参与者。
结论：
基于研究结果，通过主动的、数据驱动的支架支持，AI在针对患者个体的ASD治疗方面似乎极具潜力。为了推动AI在ASD护理中的应用，需要更多的随机对照试验，并亟需增加关于成年和女性ASD表型研究的代表性。
1 引言
自闭症谱系障碍（ASD）在文献中被描述为一种神经发育障碍，其特征是沟通和社交互动方面存在持续性困难，以及出现受限且重复的行为、兴趣或活动模式（, ）。ASD的诊断基于DSM-5-TR（2013/2022）和ICD-11（2019）分类中包含的诊断标准，其中该障碍被概念化为一个具有症状严重程度连续性的谱系。支持分为三个等级：从等级1（包括需要相对较少协助的个体）到等级3（与需要密集支持和显著适应性困难相关）（, ）。由于认知能力、语言和感官问题的限制，许多自闭症个体无法在日常生活中或劳动力市场中独立运作（特别是当他们需求未得到满足时）。此外，与一般人群相比，ASD患者的医疗和治疗服务成本更高。根据世界卫生组织2023年的数据，ASD影响全球约1-2%的人口，且在儿童中的患病率更高（, , ）。
在与自闭症谱系个体工作中，采用多种治疗方法，例如应用行为分析（ABA）、早期启动丹佛模式（ESDM）、图片交换沟通系统（PECS）和离散试教训练（DTT）（）。虽然ABA疗法的有效性已在众多研究中得到证实，但越来越多的神经多样性研究者对其应用表示担忧（）。自然主义发展行为干预，如关键反应治疗（PRT）——这是ABA方法的一种变体——也被使用（）。尽管这些方法有效，但由于服务的跨学科性质和高昂成本，其多样性对许多人来说仍不可及；此外，由于ASD固有的异质性，一些研究者质疑其有效性（）。语言干预和发展性沟通支持项目，包括自然主义方法和旨在帮助照顾者-儿童互动的个性化培训，也是治疗干预的关键方面，并与许多受试者语言和交流能力的增强相关（）。在教育领域，实施了许多策略以支持认知和社会发展，旨在实现ASD学生在学校环境中的全面参与（）。
人工智能（AI）是计算机科学的一个领域，它整合多学科知识以创建能够执行通常与人类智能相关的任务（如从经验中学习、推理和决策）的系统（, ）。AI中的一个关键方法是机器学习，它涉及设计算法，这些算法不依赖于严格定义的规则，而是直接从数据中学习模式以进行预测或分类新案例（）。深度学习扮演着专门角色——这是一种利用多层神经网络的高级机器学习形式。这使得能够有效分析大型和复杂的数据集，如医学图像、信号或文本，并在诊断和信号处理等领域找到广泛应用（）。在精神病学中，AI系统在监测疾病进展、辅助诊断和提供治疗支持工具（如语音和行为分析，或来自移动设备的数据）方面发挥着日益重要的作用，这为更客观和持续地追踪患者精神状态提供了可能性（）。在包括ASD在内的神经发育障碍背景下，研究表明机器学习和深度学习模型可以支持早期检测、从视频记录中自动分析行为、处理语言特征以及分析生物医学信号，尽管实际应用需要数据标准化和进一步的临床验证（, ）。
近年来，发表数量动态增加
[中间内容省略]
(2025) 120:105931. doi: 10.1016/j.ebiom.2025.105931
总结
关键词
人工智能, 自闭症谱系障碍, 干预, 机器学习, 社交机器人, 系统综述, 虚拟现实, 可穿戴设备
引用
Kuca J, Stencel M, Pilarski B, Florek S and Pudlo R (2026) 人工智能支持的治疗干预用于自闭症谱系障碍：系统综述. Front. Psychiatry 17:1833853. doi: 10.3389/fpsyt.2026.1833853
接收
2026年3月18日
修订
2026年7月13日
接受
2026年7月17日
发表
2026年8月28日
卷号
17 - 2026
审稿人
Yuan-Hung Wang, Taipei Medical University, Taiwan
Lucia Ferlino, Institute for Educational Technology, Italy
更新
版权
© 2026 Kuca, Stencel, Pilarski, Florek and Pudlo.
这是一篇开放获取文章，根据知识共享署名许可协议（CC BY）条款分发。允许在其他论坛使用、分发或复制，前提是注明原作者和版权所有者的姓名，并引用本期刊的原始出版，符合公认的学术惯例。不允许任何不符合这些条款的使用、分发或复制。
*通讯作者: Błażej Pilarski, d2w1331@365.sum.edu.pl
一句话读懂：AI辅助干预（如机器人、VR）通过降低认知负荷改善自闭症社交表现，但现有研究样本小且缺乏成人和女性数据，需更多随机对照试验验证。
自闭症谱系障碍（ASD）患病率上升，急需灵活的治疗和教育工具。AI被视为潜在桥梁，但从模型到临床应用需严格评估。本综述旨在梳理文献，展示已从模型阶段推进到用于人类参与者的AI干预措施。
系统检索了Embase、PubMed等五个数据库（2016年1月至2025年12月），筛选基于AI的ASD干预研究。两名评审员独立评估纳入标准：
研究类型涵盖系统开发、可行性试验及随机对照试验（RCT，即随机对照试验）。
14项研究符合标准。AI（如机器人、虚拟现实、可穿戴设备）作为社交中介，通过降低认知负荷改善社交情绪结果（如ADOS、SRS评分）。关键机制包括实时任务适应及通过眼动追踪进行的行为监测。然而，干预剂量存在显著异质性（中位数4–12小时）。多数研究局限在于样本小（N < 20）、男性主导，且完全缺乏成人参与者。
基于结果，AI通过主动、数据驱动的支架作用，在个性化ASD治疗中极具前景。为实现AI在ASD护理中的实施，需更多RCT，并关键性地增加成人和女性ASD表型研究的代表性。