Characterization of Motor Signatures in Autism Using Interpretable Learning on 3D Motion Data
Deze studie maakt gebruik van een interpreteerbaar machine learning-framework op 3D-motion capture-data om aan te tonen dat complexe emotionele en sociale taken onderscheidende, lichaamsbrede motorische signaturen onthullen die autistische individuen effectief differentiëren van neurotypische controles.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Autisme is een conditie die de manier waarop een persoon de wereld ervaart vormgeeft, waarbij sociale interactie en communicatie vaak aanvoelen als het navigeren door een landschap met andere regels. Hoewel artsen zich al lang concentreren op deze sociale en communicatieve uitdagingen, is een stiller, minder zichtbaar deel van het plaatje vaak over het hoofd gezien: de manier waarop autistische mensen bewegen. Jarenlang wisten wetenschappers dat veel autistische individuen problemen ervaren met coördinatie, balans en het kopiëren van de bewegingen van anderen. Echter, de meeste onderzoeken hebben deze bewegingen behandeld als eenvoudige mechanische taken, zoals het lopen in een rechte lijn of het balanceren op één voet, waarbij de emotionele en sociale context die echte menselijke beweging zo complex maakt, werd weggestript. De vraag blijft: hoe verwerkt het brein beweging wanneer deze geladen is met gevoelens of sociale verbinding? Verandert de manier waarop een autistisch persoon loopt wanneer diegene probeert zelfverzekerd te kijken versus verdrietig? Ziet hun dans er anders uit wanneer ze alleen zijn vergeleken met wanneer ze bewegen met een partner? Het begrijpen van deze nuances is cruciaal, omdat beweging niet alleen gaat over het verplaatsen van punt A naar punt B; het is een primaire manier waarop mensen emotie uitdrukken en met elkaar in contact komen.
Een team van onderzoekers in Portugal begon deze vragen te beantwoorden door naar het hele lichaam in beweging te kijken, met behulp van een methode die beweging behandelt als een taal die gelezen moet worden, in plaats van slechts een reeks getallen die geteld moeten worden. Ze werkten met een groep van vierendertig volwassenen, van wie veertien autistisch waren en twintig neurotypisch, wat betekent dat hun ontwikkeling het typische pad volgde. Deze deelnemers werden gevraagd twee soorten taken uit te voeren in een kamer vol camera's die elke beweging in drie dimensies volgden. Eerst liepen ze met specifieke emotionele intenties: één keer alsof ze zich zelfverzekerd en sterk voelden, en één keer alsof ze zich verdrietig en zwaar voelden. Vervolgens gingen ze een sociale taak aan door eerst alleen te dansen en daarna te doen alsof ze met een partner dansten. De onderzoekers vroegen de deelnemers niet alleen om te bewegen; ze vroegen hen om een gevoel of een sociale rol te belichamen, waardoor een rijke, naturalistische omgeving ontstond die de werkelijkheid nauwer nabootst dan een steriele laboratoriumtest.
Om de duizenden datapunten die door deze bewegingen werden gegenereerd te begrijpen, gebruikten de onderzoekers twee verschillende soorten computersystemen voor machine learning. Eén systeem keek naar specifieke, handgekozen details van de beweging, zoals hoe snel een knie boog of hoe ver een schouder bewoog. Het andere systeem, een geavanceerder deep learning-model, keek naar de volledige flow van de beweging als een continue stroom, in een poging patronen te vinden die het menselijk oog zou kunnen missen. Cruciaal was dat de onderzoekers niet alleen wilden dat de computer raadde wie autistisch was en wie niet; ze wilden begrijpen waarom de computer die gissingen maakte. Ze gebruikten instrumenten die fungeren als een spotlight, die precies onthulden welke delen van het lichaam en welke momenten in de tijd het belangrijkst waren voor de beslissing van de computer. Deze aanpak stelde hen in staat om niet alleen te zien dat er een verschil bestond, maar ook waar en wanneer dat verschil optrad.
De resultaten toonden aan dat het vermogen om de twee groepen uit elkaar te houden sterk afhankelijk was van de complexiteit van de taak. Wanneer de deelnemers simpelweg liepen, kon de computer de groepen met matige nauwkeurigheid onderscheiden, maar naarmate de taken emotioneel en sociaal veeleisender werden, werden de verschillen veel duidelijker. De computer was het meest succesvol bij het identificeren van de groepen tijdens de dansopdrachten, vooral wanneer de deelnemers zich een partner voorstelden. Dit suggereert dat hoe meer een beweging vereist dat er emotionele expressie of sociale coördinatie plaatsvindt, hoe duidelijker de unieke "motorische signatuur" van een autistisch persoon naar voren komt. Het lijkt erop dat de uitdagingen bij autisme niet alleen gaan over een gebrek aan vaardigheid, maar over hoe het brein bewegingsstrategieën aanpast wanneer het wordt geconfronteerd met complexe sociale en emotionele eisen.
Toen de onderzoekers nauwkeurig naar de specifieke lichaamsdelen keken die deze verschillen aanstuurden, vonden ze een fascinerend patroon. Voor de loopopdrachten werden de meest veelzeggende tekenen vaak gevonden in het onderste deel van het lichaam, met name in de voeten en de knieën. De manier waarop de voeten de grond raakten en de hoeken van de knieën leken een consistente aanwijzing te bevatten die stabiel bleef, ongeacht of de persoon probeerde zelfverzekerd of verdrietig te kijken. Echter, naarmate de taken expressiever werden, veranderde het verhaal. Tijdens de verdrietige looptaak verschoof de focus naar boven, waarbij de romp en de borst prominenter werden. De computer merkte op dat hoewel het pad van het lichaam door de ruimte er vergelijkbaar uit kon zien, de omvang en intensiteit van de bewegingen in het bovenlichaam anders waren. Tijdens de dansopdrachten werd het onderscheid nog breder. Wanneer men alleen danste, waren de armen en schouders de belangrijkste indicatoren. Maar wanneer de deelnemers zich een partner voorstelden, verspreidde het onderscheid zich over het hele lichaam, van het hoofd tot de tenen, wat suggereert dat sociale coördinatie een niveau van volledige lichaamsintegratie vereist dat diepere verschillen onthult in hoe het brein beweging plant en uitvoert.
Een van de meest opvallende bevindingen ging over timing. De computer leerde dat de grootste verschillen tussen de twee groepen vaak plaatsvonden aan het begin van een beweging. Wanneer een deelnemer begon te dansen of de loopbeweging veranderde, onthulden de initiële planning en de opzet van het lichaam de meest onderscheidende patronen. Naarmate de beweging voortduurde en meer automatisch werd, werden de verschillen soms minder uitgesproken. Dit suggereert dat de moeilijkheid mogelijk niet ligt in het vermogen om te blijven bewegen, maar in de eerste stap van het vertalen van een intentie of een sociale cue naar een fysieke actie. De studie vond ook dat de computer in staat was deze patronen consistent te identificeren over verschillende individuen heen, zelfs toen de groep mensen van verschillende leeftijden en met variërende niveaus van vermogens bevatte. Dit geeft aan dat deze bewegingsverschillen een fundamenteel onderdeel zijn van de autistische ervaring, in plaats van slechts een bijproduct van andere factoren.
Het onderzoek suggereert niet dat autistische mensen "verkeerd" bewegen of dat ze niet in staat zijn zichzelf uit te drukken. In plaats daarvan wijst het op een andere manier van het organiseren van beweging, een manier die reageert op emotionele en sociale contexten op een unieke manier. De studie daagt het idee uit dat motorische verschillen bij autisme vaststaand of statisch zijn. In plaats daarvan laat het zien dat deze verschillen vloeiend zijn, verschuivend en zich aanpassend, afhankelijk van of de persoon alleen is of met anderen, en of diegene zelfvertrouwen of verdriet uitdrukt. Door geavanceerde computertools te gebruiken om naar de taal van het lichaam te luisteren, hebben de onderzoekers een laag van communicatie blootgelegd die lang verborgen is gebleven. Ze ontdekten dat het lichaam een signatuur van de geest bevat, die het meest zichtbaar wordt wanneer we het vragen iets complex en betekenisvols te doen. Dit werk opent een nieuwe deur naar het begrijpen van autisme, door te suggereren dat we, door te kijken naar hoe mensen bewegen in de context van de echte wereld, een dieper en compassievoller begrip kunnen krijgen van hoe zij de wereld ervaren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.