《Frontiers in Bioengineering and Biotechnology》：Serious gaming and eye-tracking for the screening, monitoring, and diagnosis of neurodevelopmental disorders in children: a systematic literature review
编辑推荐：
本综述系统评估了严肃游戏（Serious Gaming）与眼动追踪（Eye-tracking）技术在儿童神经发育障碍（NDDs）如注意缺陷多动障碍（ADHD）、阅读障碍（Dyslexia）、书写障碍（Dysgraphia）和计算障碍（Dyscalculia）早期筛查、诊断与监测中的应用前景。通过对37项研究的分析，发现眼动追踪结合机器学习（ML）模型在识别阅读异常模式方面准确率高达94%-96%，而游戏化干预能有效提升注意力与认知功能。尽管这些数字化工具展现出高精度、可扩展性及个性化干预潜力，但其临床转化仍面临样本量小、缺乏纵向研究及标准化评估框架等挑战。未来需推动多模态技术融合与真实世界验证，以助力神经发育障碍的早期精准防控。
引言：神经发育障碍的挑战与机遇
神经发育障碍（NDDs）是一组在儿童期出现的脑功能发育异常性疾病，全球约5%-10%的儿童受累。其中，注意缺陷多动障碍（ADHD）影响5%-11%的儿童，特定学习障碍（SLD）如阅读障碍、书写障碍和计算障碍的患病率达3%-10%。这些疾病不仅导致认知功能受损，还显著降低患者的生活质量，并带来沉重的社会经济负担。传统诊断依赖临床评估量表（如Conners量表）和专业医师判断，但存在诊断延迟、资源不均及主观性较强等局限。近年来，以眼动追踪和严肃游戏为代表的数字技术为神经发育障碍的客观、早期识别提供了新思路。
技术方法：从数据采集到智能分析
本综述遵循PRISMA指南，系统检索了2013年至2025年2月间PubMed、Scopus和ClinicalTrials.gov数据库的3129篇文献，最终纳入37项研究。采用混合方法评估工具（MMAT）对研究质量进行评价，并通过叙事综合法定性分析数据。纳入研究聚焦ADHD、阅读障碍、书写障碍和计算障碍，技术类型涵盖眼动追踪（56.75%）、严肃游戏（37.38%）及机器学习算法（18.9%）。眼动追踪通过记录注视时间、眼跳轨迹等参数，客观量化阅读与注意力异常；严肃游戏则通过沉浸式任务（如"Chefmania"烹饪游戏、GraphoLearn识字游戏）激发儿童参与度；机器学习模型（如支持向量机-SVM、长短期记忆网络-LSTM）进一步从行为数据中挖掘诊断标志物。
阅读障碍：眼动模式揭示阅读奥秘
在18项阅读障碍研究中，眼动追踪技术展现出核心价值。塞尔维亚团队发现，通过分析注视点交叉系数和分形维数等时空特征，可区分阅读障碍与正常儿童，准确率达94%。另一研究利用视频眼动仪对185名儿童进行分析，机器学习模型对阅读障碍风险的预测精度高达96%。研究还发现，阅读障碍儿童表现为注视时间延长、眼跳幅度减小、回视增加等特征。文本呈现方式（如字体大小、间距、颜色背景）可调节阅读效率，但个体差异显著。严肃游戏如MusVis通过测量任务完成时长、点击时间等7个变量，有效区分阅读障碍群体；而自适应学习平台能通过强化学习算法动态优化阅读训练方案，提升阅读流畅度。
ADHD：游戏化评估与注意力解码
针对ADHD的14项研究凸显了游戏化工具的多元应用。3D视频游戏"Chefmania"通过模拟现实任务评估执行功能，成功区分ADHD患儿与典型发育儿童。基于"智力树"理论的Boogies Academy游戏经28次训练后，显著提升ADHD患儿的视觉注意力。机器学习模型在MOXO连续性能测试中整合视听干扰刺激，对ADHD亚型的分类准确率超87%。眼动研究进一步揭示，ADHD患儿存在注视时间短、分散性高的眼动模式：便携式眼动仪结合机器学习筛查准确率达76.3%，而虚拟现实教室模拟系统通过深度学习分析眼动与行为数据，为ADHD预测提供沉浸式评估环境。
书写与计算障碍：技术驱动的早期探索
尽管研究数量较少（各2项），技术工具在书写障碍和计算障碍中仍显现潜力。眼动追踪分析发现，计算障碍儿童在数感任务中表现出独特的空间认知异常；而书写障碍儿童在书写任务中呈现视觉感知犹豫和注意力波动。一项研究通过视觉感知游戏预测书写困难风险，为学龄前筛查提供新途径。这些初步证据提示，技术工具有望在书写技能完全形成前识别风险标志，实现超早期干预。
技术融合与临床转化的挑战
当前研究凸显多技术融合的趋势：眼动追踪与机器学习结合可提升模型精度；虚拟现实（VR）与传感器整合增强生态效度；严肃游戏则兼顾评估与干预双重功能。然而，多数研究存在样本量小、随访时间短、缺乏跨文化验证等局限。质量评估显示，仅1项研究为随机对照试验，且普遍存在对照组设计不完善、盲法实施不明确等问题。此外，成本控制、专业培训以及与医疗系统（如英国NHS）的整合框架是规模化应用的关键瓶颈。
未来展望：迈向精准儿科学
未来研究需扩大样本多样性，开展长期纵向队列验证技术工具的预测效度。通过融合多模态数据（眼动、行为、生理信号）构建数字表型，将推动神经发育障碍的分型诊疗。同时，开发基于智能手机、平板电脑的消费级电子设备筛查工具，可促进资源匮乏地区的早期干预。正如英国NHS长期计划所倡导，这类数字化解决方案有望重塑儿童神经发育障碍的诊疗路径，实现从"被动治疗"到"主动预防"的范式转变。
