人工智能与自闭症的研究现状及未来趋势

摘要：本研究旨在通过文献计量学方法，分析人工智能领域内关于自闭症研究的现状与未来趋势。研究基于中国知网（CNKI）、万方数据库（WanFang）、维普数据库（VIP）的大量学术文献，利用关键词检索、引文分析和内容分析等技术，对自闭症相关人工智能研究的发表量、研究热点、知识结构和演变趋势进行了全面的梳理和评估。结果显示，近年来该领域的研究数量呈指数增长趋势，研究热点主要集中在自闭症早期诊断、行为分析和交互式疗法三个方面。此外，通过对引文网络的分析，揭示了研究领域的核心作者、机构和国家/地区。本研究的结论指出，未来自闭症的研究将更加注重跨学科的融合，尤其是数据库管理、机器学习和认知神经科学的交叉应用，以及个性化和精准医疗的发展。

关键词：自闭症；人工智能；文献计量学；数据库分析；研究趋势

Research status and future trends of artificial intelligence and autism

Abstract: This study aims to analyze the current status and future trends of autism research in the field of artificial intelligence through bibliometrics. Based on a large number of academic literatures from China National Knowledge Network (CNKI), WanFang Database (WanFang) and VIP database, this study comprehensively combs and evaluates the publication volume, research hotspots, knowledge structure and evolution trend of ASD-related artificial intelligence research by using key word retrieval, citation analysis and content analysis techniques. The results show that the number of studies in this field has increased
exponentially in recent years, and the research focuses on three aspects: early diagnosis of autism, behavioral analysis and interactive therapy. In addition, through the analysis of the citation network, the core authors, institutions and countries in the research field are revealed. The conclusion of this study points out that in the future, autism research will focus more on interdisciplinary integration,
especially the cross-application of database management, machine learning and cognitive neuroscience, as well as the development of personalized and precision medicine.

Key words: autism; Artificial intelligence; Bibliometrics; Database

1资料与方法

1.1数据来源

检索数据库包括中国知网（CNKI）、万方数据库（WanFang）、维普数据库（VIP），检索时间1999年6月—2023年7月。在学科分类中选择：“人工智能理论”“自动化技术、计算机计算”“自动化与科学技术”。检索式为：（‘自闭症’OR’孤独症谱系障碍’OR’孤独症’OR’孤独性障碍’OR’ASD’)。其中，中国知网共检索出相关文献112篇，万方检索出相关文献273篇，维普共检测出相关文献155篇，共计540篇。

1.2数据处理

使用NoteExpress文献处理软件将三大数据库文献进行合并，删除重复文献条，会议、报纸、通知、稿约、学位论文等184条（356），人工剔除不相关文献98条，共计纳入文献258篇。

规范化与数据库建立：在纳入文献的所有关键词中，删除"孤独症谱系障碍"“自闭症”“儿童”“心理健康"等相关关键词。将同义词合并，如"功能磁共振数据"与"磁共振成像”"康复"和"心康复训练"等。

1.3研究方法

为了深入分析人工智能在自闭症研究领域的发展现状和未来趋势，我们采用了文献计量学的方法，并结合了VOSviewer和CiteSpace这两个科学的知识图谱分析软件进行数据可视化分析。

1.3.1 VOSviewer

VOSviewer^[1]是一个用于构建和可视化科学知识图谱的软件工具。它能够处理大量的数据，并通过科学的方法展现出文献之间的引用关系、作者合作网络、关键词共现等多种类型的网络。在本研究中，我们使用VOSviewer软件分析了关键词的共现网络，从而识别出自闭症研究领域的研究热点和主题趋势。通过这种可视化的方式，我们能够更加直观地理解该领域的知识结构和演变过程。

1.3.2 CiteSpace

CiteSpace^[2]是另一款专门用于科学和技术研究的知识图谱软件，它特别适合于识别和分析科学领域的发展趋势和知识转换。CiteSpace可以分析文献的引文网络，帮助我们发现研究领域内的核心文献、关键节点，以及影响力较大的作者或机构。在本研究中，我们利用CiteSpace对文献引证情况进行了详细分析，揭示了自闭症人工智能领域的核心文章和最有影响力的研究工作。

通过结合VOSviewer和CiteSpace这两种工具，本研究不仅能够对自闭症相关人工智能研究的文献量和研究热点进行定量分析，还能够在宏观层面上展现该领域的知识结构和演变趋势。这种方法的应用为我们提供了一种全新的视角，使我们能够更为精确地捕捉到自闭症人工智能研究的动态变化，并为未来的研究方向提供科学依据。

2结果

2.1发文年代分布

ASD的人工智能领域相关文章第一篇发表于2008年5月，由学者柳青写的"虚拟现实技术应用于心理治疗领域的最新进展"。

ASD的人工智能领域相关文章在2008年5月-2023年7月间呈现波动上升的趋势。①在1998年至2008年期间，该领域处于初始探索阶段，共发表文章1篇，年平均0.1篇。②2009年至2014年间，该领域发文增长率显著提高，年平均6.4篇，平均年增长率达61.22%。

③2015年至2021年间，发文量呈波动上升的趋势，年平均22.71篇，平均年增长率为22.6%。④2021年至2022年间，发文量呈明显增长的趋势，年平均33.5篇，平均年增长率为54.83%。⑤2023年截至检索当日，发文量为19篇，预计与2018、2019年基本齐平（图1）。

图1 ASD发文年代分布

2.2作者合作网络分析

258篇文献当中，共包含562名作者，其中发文量最高的作者为王骏教授，至今发表相关领域文章5篇，通过最高发文量作者可计算出ASD中人工智能领域内的核心作者人数。根据普赖斯定律，核心作者最低发文量$N=0.749\sqrt{M\max }$（Mmax为最高作者的发文量），Mmax=5，由此可计算出N≈2。故发文量≥2篇的作者，即为ASD人工智能领域的核心作者，共计58名。利用VOSciewer绘制ASD领域内核心作者密度可视化图谱，核心作者之间形成了以刘靖、李雪、梅婷、王志良、赵常民等为代表的研究团队（图2）。

图2 ASD作者合作网络图

2.3研究主题分析

2.3.1关键词共现分析

关键词是作者对文章主要内容的概括、总结，它可以体现一篇文章的核心内容。关键词出现的频数越多，即在这一方面的研究频率越高。分别运用VOSviewer和CiteSpace通过对文章中关键词的提取，基于不同关键词之间的联系，构建可视化图谱（图3和－图4）。图中的每个圆圈代表一个关键词，圆圈越大，代表该关键词出现的频数越高，而线则将两个关键词联系在一起，整幅图体现的是关键词之间的关联度。应用NoteExpress的数据分析功能，可以得出频次排名前20的关键词（表1）。

图3 基于VOSviewer的关键词共现分析

图4基于CiteSpace的关键词共现分析

2.3.2关键词聚类分析与基本知识结构的构建

关键词聚类是采用一定的算法将不同关键词按照其间关系的密切程度进行分析的方式，从而展现当前领域中的研究热点。我们通过CiteSpace软件对关键词进行K均值聚类分析，共得出7个聚类（表2），其中聚类的编号大小与聚类范围成反比^[3]。通过关键词聚类，得出可视化共现图谱由274个节点和416条线组成（图5），其中模块度（ModularityQ）^[4]=0.9067（>0.5），平均轮廓系数（MeanSilhouette）^[5]=0.9032（>0.7），说明聚类结构较好，内部同质性较高^[6]。而最终形成的聚类图谱中，各关键词模块之间结合紧密，代表相关聚类间紧密的联系度，也就是说，在人工智能领域探索ASD的方法较多，且各方法间的联系度很低，各主题相对分散。由图中可以看出1999年之后的大致研究主题：#0特征提取、#1人机交互、#2机器学习；#3仿真机器人、#4屏幕技术；#5虚拟现实、#6认知训练。

图5 ASD关键词聚类

2.3.3关键词突现及共现时区图分析

关键词突现分析可以反映某一阶段内集中出现的关键词，代表了这一领域内研究方向的趋向性和侧重点（图6）。根据ASD相关文献，关键词首次出现的年份为2008年，自2008年起至2023年，以1年为一个时区进行划分，可绘制出关键词共现时区图（图7），它反映的是近年来人工智能领域ASD的探索过程。共现时区图是以聚类分析为基础，主轴是聚类排前的8个关键词，点的位置的纵轴代表该关键词首次出现的年份，曲线则代表了两关键词之间的联系。

从关键词突现及共现时区图中，我们可以发现：①尽管2009年起就有人工智能领域ASD的相关文章，但是各家研究较为分散，未能形成有效的关键词突现。②2006年左右，通过虚拟现实作为干预和训练自闭症患者的重要手段，首次出现在相关领域的文献中，但直到2018年，"虚拟现实"才成为当时治疗ASD的研究热点。③2014年之前，对于ASD的研究侧重点较为单一，主要是尝试使用计算机软件和游戏来帮助孤独症患者改善社交技能和认知能力。对治疗方面的探索更偏向于人机交互、屏幕软件和游戏以图形、声音和互动等方式，提供了一种有趣和刺激的环境，帮助患者学习和练习社交技能。同时儿童孤独症评定量表则开始作为ASD患儿病情的评估指标之一，至今仍起到重要作用。④2015年—2020年，研究开始趋向于多元化，在虚拟现实、智能设备、体感技术、仿真机器人、特征提取、图像分类等方面开展研究。研究人员在孤独症谱系障碍的研究中建立了一些大规模的数据集，这些数据集包含了孤独症患者的语言、行为和生理数据，比如谷歌云服务助力自闭症研究建全球最大自闭症基因库。一些研究团队也开始进行数据共享和合作研究，以提高模型的泛化能力和研究结果的可靠性。⑤2020年起，人工智能技术的发展为孤独症治疗带来了新的机遇。通过人工智能可以分析和识别孤独症患者的行为模式和需求，能够早期筛查和诊断，对患者进行行为干预和训练，并为他们提供个性化的治疗方案和支持。例如，机器人辅助治疗可以通过与患者互动，提供情感支持和社交技能训练，帮助患者建立信任和改善社交能力。其中人脑磁共振图像、决策制定、卷积网络等在2020-2023年间成为研究热点。这一时期的关键词更密集，曲线交集更多，说明此时期ASD正被各学者广泛研究。⑥2020年起，卷积神经网络、深度学习、三维卷积网络等形成有效的突现词，ASD的研究焦点正从应用慢慢转向科研，算法研究成为当下热点。

图 6 ASD关键词学科前沿突现词分析

图 7 ASD中文关键词共现时区图分析

3讨论

3.1现状分析

通过对中国知网（CNKI）、万方数据库（WanFang）和维普数据库（VIP）中关于自闭症和人工智能相关文献的大量检索与分析，我们对该领域的现状有了更为深刻的理解。目前，自闭症的研究正处于一个快速发展阶段，特别是在人工智能技术的辅助下，研究成果日益丰富，研究深度和广度不断扩大。

首先，在数量上，文献的发表量呈现出明显的指数增长趋势。这一现象反映出科研工作者对自闭症研究的高度关注，以及人工智能技术在这一领域中应用潜力的逐步释放。人工智能技术的发展，特别是机器学习和深度学习的进步，为自闭症的诊断和治疗提供了新的工具和方法。

其次，在研究热点方面，可以总结为早期诊断、行为分析和交互式疗法成为研究的三大主要方向。早期诊断是预防和治疗自闭症的关键，人工智能技术通过分析儿童的行为数据，能够帮助医生更早地识别出潜在的自闭症症状。行为分析则关注于通过算法模型来理解和预测自闭症儿童的行为模式，以便为他们提供更加个性化的教育和治疗方案。交互式疗法则利用人工智能技术，如虚拟现实和机器人等，与自闭症儿童进行互动，提高他们的社交能力和生活自理能力。

最后，从引文网络分析中可以看出，该领域形成了一批核心作者、机构和国家/地区，他们在自闭症的人工智能研究中发挥着引领作用。这些核心力量的研究成果不仅推动了自闭症研究的深入，也为相关领域的研究提供了重要的参考和启发。

3.2发展趋势

经过深入分析，我们可以预见到自闭症在人工智能领域未来的研究将呈现出以下几个发展趋势：

首先，跨学科研究将成为常态。随着数据库管理、机器学习和认知神经科学等领域的不断发展，这些领域之间的融合将为自闭症的研究带来新的视角和方法。例如，机器学习算法可以帮助分析和解读大量的神经影像数据，从而揭示自闭症患者大脑结构和功能的特殊性；认知神经科学的研究成果可以为人工智能算法提供更多的理论指导和实验数据。

其次，个性化和精准医疗将成为研究的重点。随着大数据和人工智能技术的发展，研究者能够根据自闭症患者的具体情况，提供更加精准的诊断和治疗方案。未来，通过对患者遗传信息、脑电波、行为数据等多维度信息的综合分析，可以实现对自闭症患者更加个性化地治疗。

最后，人工智能技术的创新将不断推动自闭症研究的进步。随着新算法、新模型的不断涌现，人工智能将在自闭症的诊断、治疗和康复等多个方面发挥更大的作用。例如，深度强化学习等前沿技术的应用，可能会在自闭症儿童的行为训练和社交能力提升方面取得突破性进展。

综上所述，人工智能技术在自闭症研究领域的应用前景广阔，未来的研究将会更加多元化、深入和精准。随着技术的进步和研究的深化，我们有理由相信，人工智能将在帮助自闭症患者康复和提高生活质量方面发挥更加重要的作用。

4不足与展望

4.1 研究不足

虽然本研究在自闭症与人工智能领域的结合上取得了一定的成果，但仍存在一些不足之处。首先，在数据来源上，尽管我们使用了中国知网（CNKI）、万方数据库（WanFang）和维普数据库（VIP）这三个主要的中文学术数据库，但缺乏对国际数据库如PubMed、IEEE
Xplore和Web of
Science的深入挖掘，可能导致了对国际研究进展的不全面理解。其次，在文献计量学分析方法上，虽然关键词检索、引文分析和内容分析能够从宏观上把握研究趋势，但这些方法可能无法深入挖掘文献的质性内容，对研究主题的深层次分析可能不够。

此外，在研究的深度和广度方面，本研究更侧重于量化分析，而对于自闭症患者实际需求的探索和人工智能技术在实际应用中的有效性评价研究相对较少。例如，我们对于人工智能在自闭症诊断和干预中的实际效果和用户体验等方面的讨论不足。这些都是本研究未来需要进一步深入探讨的方向。

4.2 研究展望

展望未来，自闭症与人工智能结合的研究将朝着以下几个方向发展：首先，随着国际合作的加强和全球知识共享的推进，我们预计将有更多的国际数据被纳入分析范围，这将有助于我们更全面地了解全球自闭症研究的最新进展和趋势。其次，随着人工智能技术，尤其是自然语言处理和深度学习的飞速发展，我们预计未来将有更多的质性分析方法被用于解读研究内容，从而深入挖掘研究主题的内涵。

在应用方面，未来研究将更多关注人工智能技术在自闭症诊断和干预中的实际效果。随着技术的成熟和数据的积累，我们预计将出现更多量化的效果评估研究，这些研究不仅能够验证技术的有效性，也能为临床实践提供更有力的证据支持。同时，用户体验的研究也将成为未来的一个重要方向，以确保技术的应用能够真正满足自闭症患者和家庭的需求。

总之，自闭症与人工智能结合的研究是一个充满潜力的领域。随着技术的不断进步和研究方法的不断创新，未来的研究将更加精准地服务于自闭症患者，帮助他们提高生活质量，实现社会更好地融入。同时，跨学科的融合也将推动自闭症研究进入一个新的阶段，为自闭症患者带来更多的希望。

参考文献

1. Eck N, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 2010, 84(2):523-538.

2. Synnestvedt M B, Chen C, Holmes J H. CiteSpace II: visualization and knowledge discovery in bibliographic databases. AMIA Annu Symp Proc, 2005:724-728.

3. 程燕，柳斌，李雪，等. 基于CiteSpace的中医药治疗小儿脑瘫可视化分析. 中医药导报， 2021,
   27(10):153-157, 164.

4. Newman M E. Fast algorithm for detecting community structure in networks. Phys Rev E Stat Nonlin Soft Matter Phys, 2004, 69(6 Pt 2):066133.

5. Peter R J. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. J Comput Appl Math, 1987, 20:53-65.

6. 魏锦强，曾宪中，曹学伟，等. 基于CiteSpace 的中医外治法治疗膝骨关节炎可视化分析. 中医药导报， 2021,
   27(8):154-159, 184.
   l aid to the interpretation and validation of cluster analysis. J Comput Appl Math, 1987, 20:53-65.

7. 魏锦强，曾宪中，曹学伟，等. 基于CiteSpace的中医外治法治疗膝骨关节可视化分析. 中医药导报， 2021,
   27(8):154-159, 184.