Un nouveau modèle d'apprentissage automatique permet de prédire l'autisme chez les jeunes enfants à partir d'informations relativement limitées, selon une nouvelle étude du Karolinska Institutet publiée dans la revue JAMA Network Open. Ce modèle peut faciliter la détection précoce de l'autisme, ce qui est important pour apporter un soutien adapté.
Kristiina Tammimies, professeure associée au KIND, le département de la santé des femmes et des enfants de l'Institut Karolinska, l'un des auteurs de l'étude, déclare : « Avec une précision de près de 80 % pour les enfants de moins de deux ans, nous espérons que ce sera un outil précieux pour les soins de santé ».
L’équipe de recherche a utilisé une grande base de données américaine (SPARK) contenant des informations sur environ 30 000 personnes avec et sans troubles du spectre autistique.
En analysant une combinaison de 28 paramètres différents, les chercheurs ont développé quatre modèles d’apprentissage automatique distincts pour identifier des tendances dans les données. Les paramètres sélectionnés étaient des informations sur les enfants qui peuvent être obtenues sans évaluations approfondies ni tests médicaux avant l’âge de 24 mois. Le modèle le plus performant a été nommé « AutMedAI ».
Parmi environ 12 000 individus, le modèle AutMedAI a pu identifier environ 80 % des enfants autistes. En combinaison spécifique avec d’autres paramètres, l’âge du premier sourire, la première phrase courte et la présence de difficultés alimentaires étaient de puissants prédicteurs de l’autisme.
Shyam Rajagopalan, autre auteur de l’étude, chercheur affilié au même département du Karolinska Institutet et actuellement professeur adjoint à l’Institut de bio-informatique et de technologie appliquée, en Inde, déclare : « Les résultats de cette étude sont significatifs car ils montrent qu’il est possible d’identifier les personnes susceptibles d’être atteintes d’autisme à partir d’informations relativement limitées et facilement disponibles ».
Selon les chercheurs, un diagnostic précoce est essentiel pour mettre en œuvre des interventions efficaces qui peuvent aider les enfants autistes à se développer de manière optimale.
« Cet outil peut changer radicalement les conditions de diagnostic et d’intervention précoces et, à terme, améliorer la qualité de vie de nombreuses personnes et de leurs familles », explique Rajagopalan.
Dans l’étude, le modèle d’IA a montré de bons résultats dans l’identification des enfants ayant plus de difficultés en matière de communication sociale et de capacités cognitives et présentant plus de retards de développement.
L'équipe de recherche prévoit désormais d'autres améliorations et validations du modèle en milieu clinique. Des travaux sont également en cours pour inclure des informations génétiques dans le modèle, ce qui pourrait conduire à des prédictions encore plus spécifiques et précises.
« Pour garantir que le modèle soit suffisamment fiable pour être mis en œuvre dans des contextes cliniques, un travail rigoureux et une validation minutieuse sont nécessaires. Je tiens à souligner que notre objectif est de faire du modèle un outil précieux pour les soins de santé, et qu’il n’est pas destiné à remplacer une évaluation clinique de l’autisme », explique Tammimies.
Source de l'information :
Shyam Rajagopalan et al. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI : 10.1001/jamanetworkopen.2024.29229
:max_bytes(150000):strip_icc()/168359986-2--56a506cf3df78cf7728603db.jpg)
Discussion about this post