Characterization of Motor Signatures in Autism Using Interpretable Learning on 3D Motion Data
Diese Studie nutzt ein interpretierbares maschinelles Lernverfahren auf 3D-Motion-Capture-Daten, um zu zeigen, dass komplexe emotionale und soziale Aufgaben distinkte, ganzkörperbezogene motorische Signaturen offenbaren, die autistische Individuen effektiv von neurotypischen Kontrollgruppen differenzieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Autismus ist ein Zustand, der die Art und Weise prägt, wie ein Mensch die Welt erlebt, und der oft dazu führt, dass sich soziale Interaktion und Kommunikation wie das Navigieren in einer Landschaft mit anderen Regeln anfühlen. Während Ärzte sich lange Zeit auf diese sozialen und kommunikativen Herausforderungen konzentriert haben, wurde ein leiserer, weniger sichtbarer Teil des Bildes oft übersehen: die Art und Weise, wie autistische Menschen sich bewegen. Jahrelang wussten Wissenschaftler, dass viele autistische Menschen Schwierigkeiten mit Koordination, Gleichgewicht und dem Nachahmen von Bewegungen anderer haben. Die meisten Forschungsarbeiten behandelten diese Bewegungen jedoch als einfache mechanische Aufgaben, wie etwa das Gehen in einer geraden Linie oder das Balancieren auf einem Bein, wodurch der emotionale und soziale Kontext verloren ging, der die reale Bewegung so komplex macht. Die Frage bleibt: Wie verarbeitet das Gehirn Bewegung, wenn sie mit Gefühlen oder sozialer Verbindung aufgeladen ist? Verändert sich die Art und Weise, wie eine autistische Person geht, wenn sie versucht, selbstbewusst statt traurig zu wirken? Sieht ihr Tanz anders aus, wenn sie alleine tanzt im Vergleich zu wenn sie sich mit einem Partner bewegt? Das Verständnis dieser Nuancen ist entscheidend, denn Bewegung ist nicht nur dazu da, von Punkt A nach Punkt B zu gelangen; sie ist eine primäre Art und Weise, wie Menschen Emotionen ausdrücken und sich miteinander verbinden.
Ein Forscherteam in Portugal setzte sich zum Ziel, diese Fragen zu beantworten, indem es den gesamten Körper in Bewegung untersuchte und dabei eine Methode anwandte, die Bewegung als eine Sprache betrachtet, die gelesen werden muss, anstatt nur als eine Menge von Zahlen, die gezählt werden können. Sie arbeiteten mit einer Gruppe von vierunddreißig Erwachsenen, von denen vierzehn autistisch und zwanzig neurotypisch waren, was bedeutet, dass ihre Entwicklung dem typischen Pfad folgte. Diese Teilnehmer wurden gebeten, zwei Arten von Aufgaben auszuführen, in einem Raum voller Kameras, die jede ihrer Bewegungen in drei Dimensionen verfolgten. Zuerst gingen sie mit spezifischen emotionalen Absichten: einmal so, als fühlten sie sich selbstbewusst und stark, und einmal so, als fühlten sie sich traurig und schwer. Als Nächstes absolvierten sie eine soziale Aufgabe, indem sie zuerst alleine tanzten und sich dann vorstellten, mit einem Partner zu tanzen. Die Forscher ließen die Teilnehmer nicht einfach nur sich bewegen; sie baten sie, ein Gefühl oder eine soziale Rolle zu verkörpern, wodurch sie eine reichhaltige, naturalistische Umgebung schufen, die der Realität näher kommt als ein steriler Labortest.
Um die tausenden von Datenpunkten, die durch diese Bewegungen generiert wurden, zu interpretieren, nutzten die Forscher zwei verschiedene Arten von Lernsystemen für Computer. Ein System betrachtete spezifische, handverlesene Details der Bewegung, wie etwa wie schnell ein Knie gebeugt wurde oder wie weit eine Schulter zurücklegte. Das andere System, ein fortgeschritteneres Deep-Learning-Modell, betrachtete den gesamten Fluss der Bewegung als einen kontinuierlichen Strom und versuchte, Muster zu finden, die dem menschlichen Auge entgehen könnten. Entscheidend war, dass die Forscher nicht wollten, dass der Computer lediglich rät, wer autistisch war und wer nicht; sie wollten verstehen, warum der Computer diese Vermutungen anstellte. Sie verwendeten Werkzeuge, die wie ein Scheinwerfer wirken und genau offenlegen, welche Körperteile und welche Zeitmomente für die Entscheidung des Computers am wichtigsten waren. Dieser Ansatz ermöglichte es ihnen zu sehen, nicht nur dass ein Unterschied existierte, sondern wo und wann dieser Unterschied auftrat.
Die Ergebnisse zeigten, dass die Fähigkeit, die beiden Gruppen voneinander zu unterscheiden, stark von der Komplexität der Aufgabe abhing. Wenn die Teilnehmer einfach nur gingen, konnte der Computer die Gruppen mit moderater Genauigkeit unterscheiden, aber als die Aufgaben emotionaler und sozial anspruchsvoller wurden, traten die Unterschiede viel deutlicher hervor. Der Computer war am erfolgreichsten bei der Identifizierung der Gruppen während der Tanzaufgaben, insbesondere wenn die Teilnehmer sich einen Partner vorstellten. Dies deutet darauf hin, dass je mehr eine Bewegung emotionale Ausdruckskraft oder soziale Koordination erfordert, desto deutlicher die einzigartige „motorische Signatur“ einer autistischen Person hervorsticht. Es scheint, dass die Herausforderungen bei Autismus nicht nur ein Mangel an Geschicklichkeit sind, sondern darin bestehen, wie das Gehirn seine Bewegungsstrategien anpasst, wenn es mit komplexen sozialen und emotionalen Anforderungen konfrontiert wird.
Als die Forscher genauer untersuchten, welche Körperteile diese Unterschiede vorantrieben, fanden sie ein faszinierendes Muster. Bei den Gehaufgaben lagen die aussagekräftigsten Anzeichen oft im Unterkörper, insbesondere in den Füßen und Knien. Die Art und Weise, wie die Füße den Boden berührten und die Winkel der Knie waren, schienen ein beständiges Indiz zu sein, das unverändert blieb, unabhängig davon, ob die Person versuchte, selbstbewusst oder traurig zu wirken. Doch als die Aufgaben expressiver wurden, änderte sich die Geschichte. Bei der traurigen Gehaufgabe verschoben sich die Unterschiede nach oben, wobei der Torso und der Brustkorb prominenter wurden. Der Computer bemerkte, dass während der Weg des Körpers durch den Raum ähnlich aussehen mochte, die Größe und Intensität der Bewegungen im Oberkörper unterschiedlich waren. Bei den Tanzaufgaben wurde die Unterscheidung noch umfassender. Beim Alleintanz waren Arme und Schultern die entscheidenden Indikatoren. Aber als die Teilnehmer sich vorstellten, mit einem Partner zu tanzen, verbreiteten sich die Unterschiede über den gesamten Körper, vom Kopf bis zu den Zehen, was darauf hindeutet, dass soziale Koordination ein Niveau an Ganzkörperintegration erfordert, das tiefere Unterschiede in der Art und Weise offenbart, wie das Gehirn Bewegung plant und ausführt.
Eines der beeindruckendsten Ergebnisse betraf das Timing. Der Computer lernte, dass die größten Unterschiede zwischen den beiden Gruppen oft direkt zu Beginn einer Bewegung auftraten. Wenn ein Teilnehmer zu tanzen begann oder seinen Gang änderte, offenbarten die anfängliche Planung und die körperliche Vorbereitung die deutlichsten Muster. Sob ien die Bewegung fortschritt und automatischer wurde, wurden die Unterschiede manchmal weniger ausgeprägt. Dies deutet darauf hin, dass die Schwierigkeit möglicherweise nicht in der Fähigkeit liegt, in Bewegung zu bleiben, sondern im ersten Schritt, eine Intention oder einen sozialen Hinweis in eine physische Handlung zu übersetzen. Die Studie fand auch heraus, dass der Computer in der Lage war, diese Muster konsistent über verschiedene Individuen hinweg zu identifizieren, obwohl die Gruppe Menschen unterschiedlichen Alters und mit unterschiedlichem Leistungsvermögen umfasste. Dies deutet darauf hin, dass diese Bewegungsunterschiede ein grundlegender Bestandteil des autistischen Erlebens sind und nicht bloß eine Nebenwirkung anderer Faktoren.
Die Forschung legt nicht nahe, dass autistische Menschen sich „falsch“ bewegen oder dass ihnen die Fähigkeit fehlt, sich auszudrücken. Stattdessen deutet sie auf eine andere Art der Organisation von Bewegung hin, die auf emotionalen und sozialen Kontexten auf eine einzigartige Weise reagiert. Die Studie stellt die Idee infrage, dass motorische Unterschiede bei Autismus fixiert oder statisch sind. Stattdessen zeigt sie, dass diese Unterschiede fließend sind, sich verschieben und anpassen, je nachdem, ob die Person alleine oder mit anderen ist und ob sie Selbstbewusstsein oder Traurigkeit ausdrückt. Durch den Einsatz fortschrittlicher Computerwerkzeuge, um der Sprache des Körpers zuzuhören, haben die Forscher eine Ebene der Kommunikation aufgedeckt, die lange verborgen war. Sie fanden heraus, dass der Körper eine Signatur des Geistes trägt, die am sichtbarsten wird, wenn wir ihn bitten, etwas Komplexes und Bedeutungsvolles zu tun. Diese Arbeit öffnet eine neue Tür zum Verständnis von Autismus und legt nahe, dass wir, indem wir betrachten, wie Menschen in realen Kontexten sich bewegen, ein tieferes, mitfühlenderes Verständnis dafür gewinnen können, wie sie die Welt erleben.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.