一、自闭症谱系的核心区别
1. 阿斯伯格综合症 vs 典型自闭症
语言能力：阿斯伯格患者语言发育正常但沟通技巧差，常出现"滔滔不绝以自我为中心"的对话模式；典型自闭症则存在明显语言发育迟缓或完全缺乏。
社交意愿：阿斯伯格儿童渴望社交但缺乏技巧，典型自闭症儿童则普遍缺乏社交意向。
智力表现：阿斯伯格患者智力正常甚至超常，典型自闭症约50%伴有智力障碍。
发病年龄：典型自闭症症状多在2-5岁显现，阿斯伯格则多在7-8岁才出现典型症状。
2. 高功能自闭症 vs 阿斯伯格
高功能自闭症语言障碍更明显，社交主动性更低，成年后更适合结构化工作（如图书管理员）；阿斯伯格患者则更可能成为领域专家但婚姻破裂率高达80%。
两者在青春期发展轨迹不同：阿斯伯格抑郁发生率40%，显著高于高功能自闭症的25%。
二、AI在自闭症领域的应用突破
1. 早期筛查
卡罗林斯卡学院的AI模型可在婴儿12个月大时预测自闭症，准确率达80.5%。
国内团队开发的"孤独症肠菌预测模型"通过肠道菌群分析提升诊断准确率。
2. 辅助诊断
电子科大徐鹏团队研发的"孤独症脑机辅助诊断系统"准确率超90%，已获批医疗器械认证。
研究发现AI可通过分析临床报告，识别医生依赖的隐性诊断标准（如重复行为比社交缺陷更具诊断价值）。
3. 康复干预
社交机器人如NAO、Kaspar可通过人机互动改善社交能力。
脑机接口技术（如StarKids系统）通过实时脑电反馈提升训练效率。
阿里"追星星的AI"可生成定制化绘本，帮助孤独症儿童认知训练。
三、现存挑战
AI虽能辅助诊断，但仍无法理解人类高级情感，这与高功能孤独症患者的社交困境相似——他们擅长逻辑分析却难以处理幽默、尴尬等复杂情感。当前诊断标准（如DSM-5）可能低估感知异常等关键特征，需结合AI分析进行修订。
