Open Access

Hannah Ursula Meyer-Lindenberg

• Background: Difficulties in social communication are a defining clinical feature of autism. However, the underlying neurobiological heterogeneity has impeded targeted therapies, and requires new approaches to identifying clinically relevant bio-behavioural subgroups. In the largest autism cohort to date, we comprehensively examined difficulties in facial expression recognition, a key process in social communication, as a bio-behavioural stratification biomarker, and validated them against clinical features and neurofunctional responses. Methods: Between 255 and 488 participants aged 6-30 years with autism, typical development and/or mild intellectual disability completed the Karolinska Directed Emotional Faces task, the Reading the Mind in the Eyes Task and/or the Films Expression Task. We first examined mean-group differences on each test. Then we used a novel intersection approach that compares two centroid and connectivity-based clustering methods to derive subgroups based on the combined performance across the three tasks. Measures and subgroups were then related to clinical features and neurofunctional differences measured using fMRI during a fearful face-matching task. Results: We found significant mean-group differences on each expression recognition test. However, cluster analyses showed that these were driven by a low-performing autistic subgroup (~30% of autistic individuals who performed below 2SDs of the neurotypical mean on at least one test), while a larger subgroup (~70%) performed within 1SD on at least 2 tests. The low-performing subgroup also had on average significantly more social-communication difficulties and lower activation in the amygdala and fusiform gyrus than the high-performing subgroup. Limitations: Findings of autism expression recognition subgroups and their characteristics require independent replication. This is currently not possible, as there is no other existing data set that includes all relevant measures. However, we demonstrated high internal robustness (91.6%) of findings between two clustering methods with fundamentally different assumptions, which is a critical pre-condition for independent replication. Conclusions: We identified a subgroup of autistic individuals with expression recognition difficulties and showed that this related to clinical and neurobiological characteristics. If replicated, expression recognition may serve as bio-behavioural stratification biomarker and aid in the development of targeted interventions for a subgroup of autistic individuals.
• Die Autismus-Spektrum-Störung (ASD, im Folgenden "Autismus") ist eine schwere psychiatrische Entwicklungsstörung ohne erkennbare Ätiologie. Die Diagnose ist derzeit rein klinisch, da es keinen bekannten, objektiven Marker für die Erkrankung gibt. Da Autismus sehr heterogen ist, können gezielte Behandlungen nicht allein auf der Grundlage der Diagnose erfolgen. Dies stellt eine Schwierigkeit dar, wenn es darum geht, die Bedürfnisse des Einzelnen mit Autismus angemessen zu berücksichtigen, zumal frühere Arbeiten sich auf die Unterschiede zwischen den Mittelwerten der Gruppen konzentrierten und häufig Stichproben umfassten, die zu klein waren, um die Autismusgruppe sinnvoll zu unterteilen. Die aktuelle Studie verwendet Daten aus dem EU-AIMS Longitudinal European Autism Project (LEAP), einer multizentrischen europäischen Längsschnitt-Initiative, die versucht, diagnostische oder stratifizierende Biomarker für Autismus zu finden. Wir untersuchten die Erkennung emotionaler Gesichtsausdrücke als einen möglichen Biomarker für die Stratifizierung von Autismus, da eines der Kennzeichen der Krankheit Schwierigkeiten in der sozialen Kommunikation sind, die durch die Erkennung emotionaler Gesichtsausdrücke untermauert werden. Zwischen 255 und 488 Teilnehmer mit Autismus, typischer Entwicklung und/oder leichter geistiger Behinderung legten drei Tests ab, die verschiedene Aspekte der Erkennung emotionaler Gesichtsausdrücke gründlich prüfen. Wir untersuchten zunächst die mittleren Gruppenunterschiede bei jedem Test und leiteten dann Untergruppen aus der Schnittmenge von zwei Clustering-Ansätzen ab. Die Messwerte und Untergruppen wurden mit klinischen Merkmalen und neurofunktionellen Unterschieden in Beziehung gesetzt, die mittels fMRI während eines Tests zur Erkennung von ängstlichen Gesichtsausdrücken gemessen wurden.Es zeigte sich, dass signifikante Gruppenmittelwertunterschiede bei jedem Test zur Erkennung von Gesichtsausdrücken durch eine leistungsschwache Untergruppe (~30% der autistischen Individuen) verursacht wurden, die bei mindestens einem Test weniger als 2 SD des neurotypischen Mittelwerts erzielte, während eine größere Untergruppe (~70%) bei mindestens zwei Tests innerhalb von 1 SD lag. Die leistungsschwache Untergruppe hatte auch signifikant mehr Schwierigkeiten in der sozialen Kommunikation und eine geringere Aktivierung in der Amygdala und im Gyrus fusiformis im Vergleich zur leistungsstarken Untergruppe. Damit haben wir eine Untergruppe von Individuen mit Autismus mit Schwierigkeiten bei der Erkennung von Ausdrücken identifiziert und sie anhand klinischer und neurobiologischer Merkmale extern validiert. Wir haben außerdem gezeigt, wie wichtig es ist, in der Autismusforschung von den Unterschieden zwischen den Gruppenmittelwerten wegzukommen. Die Erkennung von emotionalen Gesichtsausdrücken könnte als Biomarker für die Stratifizierung dienen und bei der Entwicklung gezielter Interventionen für eine Untergruppe von Autisten helfen, wenn unsere Ergebnisse in zukünftigen Arbeiten verifiziert werden.