Движение глаз выдаёт аутизм у каждого третьего экспресс
Глаза следят за точкой, которая плавно рисует на экране сложную кривую. У большинства людей взгляд держится рядом с ней, но у некоторых — будто соскальзывает или запаздывает. Раньше такие особенности тонули в средних цифрах: если сложить всех и поделить, разница почти исчезает.
Учёные решили смотреть не на среднее, а на каждого человека отдельно. Они измерили, насколько взгляд отстаёт от точки и насколько отклоняется в сторону. Затем построили «норму» по людям без аутизма и посчитали, кто выбивается из неё сильнее обычного. Такой подход похож на проверку роста у школьников: вместо того чтобы сравнивать средний рост класса, врач отмечает детей, которые сильно ниже или выше сверстников.
Результат удивил: среди людей с аутизмом необычно двигали глазами 7 из 18 — почти 39%. В группе без аутизма таких было всего 5%. При этом обычные средние сравнения почти не показывали разницы. Значит, аутизм проявляется у каждого по-своему, и именно эти индивидуальные отклонения могут быть ключом к пониманию.
Такой метод может помочь врачам замечать аутизм раньше и точнее. А главное — он уважает разнообразие: не пытается всех подогнать под одну мерку, а видит каждого человека отдельно.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2603.22705
Background: Autism spectrum disorder (ASD) is characterized by significant clinical and biological heterogeneity. Conventional group-mean analyses of eye movements often mask individual atypicalities, potentially overlooking critical pathological signatures. This study aimed to identify idiosyncratic oculomotor patterns in ASD using an "outlier analysis" of smooth pursuit eye movement (SPEM). Methods: We recorded SPEM during a slow Lissajous pursuit task in 18 adults with ASD and 39 typically developed (TD) individuals. To quantify individual deviations, we derived an "outlier score" based on the Mahalanobis distance. This score was calculated from a feature vector, optimized via Principal Component Analysis (PCA), comprising the temporal lag ($$\Delta$$t) and the spatial deviation ($$\Delta$$s). An outlier was statistically defined as a score exceeding $$\sqrt{10}$$ (approximately 3.16$$\sigma$$) relative to the TD normative distribution. Results: While the TD group exhibited a low outlier rate of 5.1%, the ASD group demonstrated a significantly higher prevalence of 38.9% (7/18) (binomial P = 0.0034). Furthermore, the mean outlier score was significantly elevated in the ASD group (3.00 $$\pm$$ 2.62) compared to the TD group (1.52 $$\pm$$ 0.80; P = 0.002). Notably, these extreme deviations were captured even when conventional mean-based comparisons showed limited sensitivity. Conclusions: Our outlier analysis successfully visualized the high degree of idiosyncratic atypicality in ASD oculomotor control. By shifting the focus from group averages to individual deviations, this approach provides a sensitive metric for capturing the inherent heterogeneity of ASD, offering a potential baseline for identifying clinical subtypes.
У людей с аутизмом необычные движения глаз встречаются почти в восемь раз чаще, чем у остальных.