Je kent ze wel, die koppen die lekker hard binnenkomen. “Breinscan laat autisme zien.” Of: “Onderzoekers vinden autisme-netwerk in het brein.” Klinkt indrukwekkend. En eerlijk: hersenonderzoek kan ook echt mooie inzichten opleveren.
Maar er zit een veel te vaak vergeten detail in dit soort verhalen. Iets wat zelden in het persbericht staat, en soms zelfs maar half in het wetenschappelijke artikel. Namelijk: hoe vergelijkbaar waren de mensen met autisme en de mensen zonder autisme eigenlijk?
En dan bedoel ik niet alleen leeftijd of geslacht. Ik bedoel ook cognitieve vaardigheden. Denk aan probleemoplossen, taal, werkgeheugen, verwerkingssnelheid. Vaak gevat in één getal: IQ.
Dat IQ lijkt onschuldig. Een soort achtergrondinformatie. Maar in de praktijk kan het een stille stoorzender zijn die conclusies scheef trekt. Zeker in neuroimaging-onderzoek (MRI, fMRI, EEG, MEG). Je ziet dan “verschillen in het brein”, maar je weet niet zeker of je naar autisme kijkt, of naar verschillen in cognitief niveau, of naar een mix van allebei.
In dit artikel krijg je een leesbare, nuchtere uitleg. Waarom IQ in autismeonderzoek zo’n mijnenveld is. Waarom sommige onderzoekers wel matchen en anderen juist niet. Wat er mis kan gaan. En vooral: hoe jij als lezer (met autisme, AuDHD, als naaste, hulpverlener of werkgever) dit soort studies slimmer kunt beoordelen.
Autisme en cognitieve vaardigheden
Autisme zegt iets over hoe iemands brein informatie verwerkt, prikkels weegt, sociale signalen decodeert, en hoe routines en interesses vorm krijgen. Maar autisme zegt niet automatisch: “hoog IQ” of “laag IQ”. Er zijn ‘slimme’ en ‘domme’ autisten, net zoals er ‘slimme’ of ‘domme’ neurotypische mensen bestaan.
Cognitieve vaardigheden verschillen enorm tussen mensen met autisme. Je ziet mensen met autisme die (al dan niet ogenschijnlijk) moeiteloos door een universitaire studie lopen. En je ziet mensen met autisme die in het dagelijks leven louter met veel ondersteuning overeind blijven. Daartussen zit een hele wereld aan profielen.
Belangrijk detail: cognitieve vaardigheden zijn meer dan IQ. Een IQ-score vat meerdere onderdelen samen. Bijvoorbeeld taalbegrip, visueel-redeneren, werkgeheugen en verwerkingssnelheid. Maar twee mensen met hetzelfde IQ kunnen een totaal ander profiel hebben. De één scoort hoog op visueel inzicht en laag op verwerkingssnelheid. De ander precies andersom. Als onderzoek alleen één getal (een gemiddelde) gebruikt, verliest het nuance.
En toch: in veel studies vormt IQ (of een schatting ervan) de scheidslijn tussen “groepen”. Onderzoekers doen dan bijvoorbeeld dit:
- Groep A: mensen met autisme
- Groep B: mensen zonder autisme
En daarna vergelijken ze hersenactiviteit, hersenvolume of verbindingen. Klinkt logisch. Tot je ontdekt dat groep A gemiddeld een ander IQ-profiel heeft dan groep B. Dan vergelijk je ineens niet alleen autisme, maar ook cognitief niveau. Appels en peren…
Hoe misverstanden ontstaan door ‘profielen vergelijken’
Stel je een simpel voorbeeld voor. Je doet een fMRI-studie met een taak die sterk leunt op taal en snel schakelen. Je groep met autisme bevat relatief veel deelnemers met lagere verwerkingssnelheid of lager verbaal begrip. Je controlegroep bevat vooral deelnemers met gemiddelde tot hoge scores op precies die onderdelen.
Als onderzoekers hersenen vergelijken, willen ze één ding: een eerlijke vergelijking. Maar bij autisme is dat lastig, omdat cognitieve profielen sterk kunnen verschillen.
Matchen betekent: je zoekt een controlegroep die lijkt op de autismegroep qua cognitieve scores. Je maakt de vergelijking schoner, maar je sluit vaak mensen uit. Daardoor wordt je steekproef minder representatief.
Covariëren betekent: je corrigeert statistisch voor IQ of een onderdeel ervan. Dat kan werken, maar alleen als je snapt wat je corrigeert. IQ hangt vaak samen met je diagnosegroep. Dan kun je met covariëren per ongeluk een deel van het echte verschil wegpoetsen, of je doet alsof je corrigeert terwijl je het probleem niet oplost.
Profielen (stratificeren) betekent: je accepteert variatie en analyseert die. Dat vraagt meer deelnemers, maar het past vaak beter bij de werkelijkheid. Zeker bij autisme en AuDHD.
Hoe groter je claim (“dit is het autismebrein”), hoe strenger je moet zijn op vergelijkbaarheid.
Je vindt “andere hersenactivatie” bij autisme. Maar wat heb je nu echt gevonden?
- Een verschil dat samenhangt met autisme?
- Een verschil dat samenhangt met taalvaardigheid of verwerkingssnelheid?
- Een verschil dat ontstaat omdat sommige mensen de taak op een andere manier aanpakken?
Dit probleem wordt extra groot als de taak moeilijk is, als de meetruis hoog is, of als de groepen klein zijn (wat in neuroimaging vaak zo is, omdat het duur en intensief is).
Daarom voelen discussies over “matchen op IQ” soms als een saaie methodologische ruzie. Maar het is eigenlijk heel praktisch. Het gaat over de vraag:
Vergelijken we appels met appels, of appels met peren?
Een mismatch in cognitief niveau kan namelijk twee soorten fouten veroorzaken:
- Je ziet een verschil dat helemaal niet over autisme gaat (vals alarm).
- Je mist een echt verschil, omdat je studie te rommelig is opgezet (gemiste kans).
Waarom onderzoekers soms toch niet willen matchen op IQ
Je zou denken: dan match je toch gewoon? Dus je zorgt dat de IQ-profielen van de groep met autisme en de controlegroep ongeveer gelijk zijn. Klaar.
Maar zo simpel ligt het niet. Er bestaat een bekend argument tegen matchen. Dat argument gaat ongeveer zo:
IQ hoort bij autisme. Dus als je gaat matchen of statistisch corrigeert voor IQ, haal je een echt onderdeel van autisme weg. Dan maak je autisme “kunstmatig” net zo slim als de controlegroep. En dan meet je niet meer het echte autisme.
Dat klinkt logisch, maar het bevat een valkuil. Je verwart dan twee vragen:
- Is IQ vaak anders verdeeld bij autisme?
- Is een gevonden hersenverschil specifiek voor autisme, los van cognitief niveau?
Autisme en een verstandelijke beperking zijn twee verschillende diagnoses. Ze kunnen samen voorkomen, maar ze vallen niet samen.
Als je dat onderscheid niet maakt, loop je het risico dat je ieder verschil automatisch “autisme” noemt. En dan bouw je theorieën op drijfzand.
IQ-tests en autisme
Daar komt nog iets bij: een IQ-test meet niet in een vacuüm. Een IQ-score kan lager uitvallen door dingen die niets zeggen over “denkvermogen”, maar wél over omstandigheden. Denk aan:
- stress of prestatiedruk
- sensorische overprikkeling (fel licht, geluid, onbekende ruimte)
- moeite met mondelinge instructies
- motorische snelheid (snel tekenen, snel klikken)
- sociale verwachtingen in de testsetting
- vermoeidheid of slaaptekort
Bij autisme spelen zulke factoren regelmatig mee. Daardoor kan een IQ-score soms onderschatten wat iemand kan, zeker als de test vooral leunt op taal, snelheid of sociale afstemming met de testleider.
Ook hier geldt: één getal is vaak te grof. Als een onderzoeker zegt “we hebben gematcht op IQ”, dan wil je eigenlijk weten:
- Op welke test?
- Welke onderdelen telden mee?
- Ging het om totaal-IQ of om specifieke indexen?
- Past die maat bij de onderzoeksvraag?
Want stel: je onderzoekt visuele verwerking. Dan kan matchen op totaal-IQ juist ruis toevoegen, omdat totaal-IQ allerlei dingen bevat die niet relevant zijn voor visueel verwerken.
Een slimmer idee is vaak: matchen op die onderdelen die je echt nodig hebt voor de taak. Of nog beter: je ontwerpt een taak die minder afhankelijk is van taal of snelheid, zodat je minder last krijgt van deze meetvalkuilen.
Genen, brein en IQ
Autisme heeft niet één oorzaak. Er bestaan veel biologische routes die kunnen uitkomen in een autismeprofiel. Dat geldt ook voor de relatie met cognitief niveau.
Je kunt je breinontwikkeling zien als een routekaart met veel paden. Sommige paden gaan samen met gemiddeld cognitief niveau. Andere paden gaan vaker samen met lagere cognitieve vaardigheden. En weer andere paden gaan samen met heel spitse profielen: extreem sterk in één domein, kwetsbaar in een ander.
Als je al die routes bij elkaar gooit in één groep “autisme”, en je vergelijkt die met één groep “geen autisme”, dan krijg je een soort gemiddelde van heel verschillende mensen. Dat gemiddelde lijkt dan misschien netjes, maar het kan ook een verzinsel zijn. Een statistische schaduw van allerlei verschillende werkelijkheden.
Daarom zie je in autismeonderzoek steeds vaker het idee: kijk binnen autisme naar subgroepen en profielen. Niet om mensen in hokjes te duwen, maar om eerlijker te meten.
En ja, AuDHD maakt het nog ingewikkelder. ADHD kan verwerkingssnelheid, aandacht, impulscontrole en testprestaties beïnvloeden. Als een studie AuDHD niet goed in kaart brengt, kan het lijken alsof “autisme” het effect veroorzaakt, terwijl (een deel van) het effect eigenlijk via ADHD loopt.
Statistiek zonder hoofdpijn
Onderzoekers hebben grofweg drie manieren om met cognitieve verschillen om te gaan. Alle drie hebben voordelen en valkuilen.
Tabel: drie manieren om met IQ om te gaan in onderzoek
| Aanpak | Wat doe je? | Wanneer handig? | Groot risico |
|---|---|---|---|
| Matchen | Je selecteert een controlegroep met vergelijkbare cognitieve scores/profielen | Bij kleine studies en duidelijke groepsvergelijkingen | Je sluit vaak veel mensen uit, en je krijgt een minder representatieve steekproef |
| Covariëren | Je “corrigeert” statistisch voor IQ of een onderdeel ervan | Als je IQ als storende factor ziet en je voldoende data hebt | Je kunt onterecht een deel van het echte effect wegpoetsen, of juist een schijncorrectie doen |
| Stratificeren / profielen | Je splitst binnen autisme op cognitieve profielen, of je analyseert cognitieve vaardigheid als dimensionele factor | Als je heterogeniteit serieus neemt en genoeg deelnemers hebt | Je hebt grotere samples nodig en de analyse wordt complexer |
Een belangrijk punt: covariëren klinkt vaak als magie. Alsof je met één druk op de knop “IQ wegneemt”. In werkelijkheid werkt het alleen goed als je aan stevige voorwaarden voldoet. En vaak voldoet neurodiversiteitsonderzoek daar niet perfect aan, omdat groepen juist niet willekeurig zijn ingedeeld. Je kiest geen autisme of geen autisme door loting.
Daarom zie je ook kritische methodologen zeggen: “IQ is niet zomaar een covariaat.” Niet omdat je nooit mag corrigeren, maar omdat je precies moet weten wat je aan het doen bent.
De eerlijkste aanpak hangt af van de onderzoeksvraag. Als je wilt weten: “Zijn er hersenkenmerken die typisch zijn voor autisme, los van cognitief niveau?”, dan helpt matchen of een slimme controle. Als je wilt weten: “Hoe ziet autisme eruit zoals het in de wereld voorkomt?”, dan wil je juist niet alleen een selecte groep met gemiddeld IQ onderzoeken.
Cognitief niveau verandert het beeld binnen autisme
Als je één boodschap uit dit artikel meeneemt, laat het dan deze zijn:
Cognitief niveau kan het beeld in autismeonderzoek flink veranderen.
Sommige “typische autismebevindingen” verdwijnen of verschuiven zodra je rekening houdt met cognitieve profielen. Andere bevindingen blijven overeind. Dat verschil is waardevol, want het vertelt je:
- welke effecten echt robuust zijn
- welke effecten misschien vooral iets zeggen over cognitieve vaardigheden, testkeuze of groepssamenstelling
Dat is niet alleen academisch geneuzel. Het bepaalt ook hoe eerlijk de buitenwereld autisme begrijpt. Als onderzoek vooral mensen met autisme met een gemiddeld tot hoog IQ omvat, dan gaan media en beleid het beeld van autisme daarop baseren. En dan raken mensen met autisme die meer ondersteuning nodig hebben opnieuw onderbelicht.
Waarom dit ook gaat over inclusie en vertrouwen
Neuroimaging-onderzoek lijkt objectief. Je maakt een scan, dus klaar. Maar in de praktijk selecteert dit soort onderzoek stevig.
Denk aan alles wat je moet kunnen om mee te doen:
- lang stil liggen in een krappe buis (MRI)
- harde geluiden verdragen
- opdrachten begrijpen en uitvoeren
- vermoeidheid en stress reguleren
- prikkelrijke onderzoeksruimtes aankunnen
- vervoer en planning regelen
Dat sluit sommige mensen met autisme eerder uit. Niet omdat ze “niet interessant” zijn, maar omdat de methode niet altijd toegankelijk is. Als studies dat niet goed benoemen, krijg je een scheef beeld van “het autismebrein”.
En dat schaadt vertrouwen. Niet omdat wetenschap slecht is, maar omdat wetenschap dan te vaak doet alsof de uitkomst voor iedereen geldt.
Voor hulpverleners en werkgevers zit hier ook een praktische les. Als iemand met autisme moeite heeft met een drukke werkomgeving, zegt een gemiddelde fMRI-studie met hoog-functionerende deelnemers daar misschien weinig over. Je moet dus altijd terug naar het individu voor je conclusies trekt.
Een gereedschapskist voor onderzoekers
Als je het methodologisch eerlijk wilt doen, bestaan er best concrete verbeteringen. Dit soort punten komt steeds vaker terug in serieuze discussies over autismeonderzoek:
- Kies bewust wat je onder “cognitieve vaardigheid” verstaat: Gebruik niet automatisch totaal-IQ als heilige graal. Kijk welke onderdelen relevant zijn voor je taak en hypothese.
- Ontwerp taken die minder afhankelijk zijn van taal en snelheid: Hoe minder je taak leunt op precies die factoren die bij autisme en ADHD kunnen verschillen, hoe minder je “IQ-ruis” krijgt.
- Maak je steekproef transparant: Wie deed mee? Wie viel af? Hoeveel mensen met autisme met een verstandelijke beperking zitten erin? Hoeveel AuDHD? Transparantie geeft lezers de kans om zelf te beoordelen hoe breed de conclusie geldt.
- Analyseer binnen autisme, niet alleen tussen groepen: Als je alleen “autisme vs controle” doet, mis je vaak de echte variatie. Binnen autisme kun je juist leren welke profielen samenhangen met welke patronen.
- Werk samen in grotere consortia en deel data waar mogelijk: Grotere aantallen verminderen ruis en maken profielanalyses realistischer. Open data en preregistratie helpen ook om minder snel te veel te beloven.
Zo lees je breinstudies over autisme kritischer
Je hoeft geen statisticus te zijn om dit soort onderzoek slimmer te lezen. Gebruik deze checklist als je een nieuwsbericht of artikel tegenkomt.
- Wie deden mee? Gaat het om kinderen, volwassenen, of een mix? Zijn er veel mensen met autisme met hogere ondersteuningsbehoeften, of vooral niet?
- Hoe zit het met cognitieve vaardigheden? Staan er IQ-scores of ontwikkelingsscores in de tabel met deelnemers? Zijn groepen vergelijkbaar?
- Welke taak gebruikten ze? Leunt die taak sterk op taal, snelheid of werkgeheugen? Dan kunnen cognitieve verschillen extra invloed hebben.
- Spreken ze over “verschil” of over “oorzaak”? Een hersenverschil betekent niet automatisch dat autisme de oorzaak is. Het kan ook een gevolg zijn van ervaring, stress, coping, of taakstrategie.
- Hoe groot is de studie? Kleine studies kunnen interessante hints geven, maar ze leveren zelden definitieve antwoorden. Hoe kleiner de groep, hoe groter de kans op toevalstreffers.
- Wat betekent dit voor jou? Een groepsgemiddelde zegt weinig over één persoon met autisme. Gebruik dit soort kennis als achtergrond, niet als etiket.
Tot slot
Hersenonderzoek kan veel opleveren. Maar alleen als onderzoekers eerlijk blijven over wie ze vergelijken en wat ze precies meten.
IQ en andere cognitieve vaardigheden vormen geen bijzaak in autismeonderzoek. Ze kunnen de uitkomst sturen, de interpretatie kleuren, en zelfs het hele verhaal veranderen. Als studies dat negeren, krijgen we mooie plaatjes met wankele conclusies. Als studies het serieus nemen, krijgen we minder hype en meer echte kennis.
En dat helpt iedereen: mensen met autisme, mensen met AuDHD, naasten, hulpverleners en werkgevers. Niet omdat het dan “simpeler” wordt, maar omdat het dan eindelijk eerlijker wordt.
Russo, N., Osborne, J., Soto, E. F., Zemla, J. C., & Burack, J. A. (2026). The Developmental Approach to Autism Science: Considering Cognitive Ability in the Age of Neuroimaging Research. Developmental Psychobiology, 68, e70114. doi:10.1002/dev.70114
Dennis, M., Francis, D. J., Cirino, P. T., Schachar, R., Barnes, M. A., & Fletcher, J. M. (2009). Why IQ is not a covariate in cognitive studies of neurodevelopmental disorders. Journal of the International Neuropsychological Society, 15(3), 331–343. doi:10.1017/S1355617709090481
Miller, G. A., & Chapman, J. P. (2001). Misunderstanding analysis of covariance. Journal of Abnormal Psychology, 110(1), 40–48. doi:10.1037/0021-843X.110.1.40
Anagnostou, E., & Taylor, M. J. (2011). Review of neuroimaging in autism spectrum disorders: What have we learned and where we go from here. Molecular Autism, 2(1), 4. doi:10.1186/2040-2392-2-4
