Les chercheurs de l'ETRI ont développé une technique d'intelligence artificielle (IA) pour le dépistage précoce du trouble du spectre autistique (TSA). La technologie est conçue pour détecter plus rapidement les signes des TSA chez les enfants, ce qui pourrait élargir les possibilités de dépistage et d'intervention précoces et améliorer considérablement l'accessibilité.
L'Institut de recherche sur l'électronique et les télécommunications (ETRI) a annoncé qu'elle avait développé une technologie de « AI de reconnaissance sociale » qui peut projeter pour le trouble du spectre autistique en analysant le « contenu induisant l'interaction sociale » pour les nourrissons et les tout-petits et les séquences vidéo collectées dans les six minutes de la visualisation.
Le trouble du spectre de l'autisme peut être détecté en observant certains comportements et développement, tels que le manque de compétences en communication sociale et des comportements répétitifs restreints. Le dépistage et l'intervention précoces sont essentiels pour les TSA, car la détection précoce et l'intervention médicale appropriée peuvent avoir un impact positif sur les résultats du développement.
Cependant, en raison d'un manque d'experts, d'une conscience sociale limitée et de contraintes sur le temps et les ressources, il est rapporté qu'il prend deux à six ans de la détection des symptômes au diagnostic réel. Les principaux symptômes du TSA peuvent apparaître dès l'âge de 12 à 24 mois, et dans certains cas encore plus tôt, soulignant l'importance du dépistage et de l'intervention précoces.
Les chercheurs de l'ETRI ont collaboré avec l'équipe du professeur Yoo Hee-Jung du Département de psychiatrie de l'hôpital national de Séoul Bundang pour analyser la sensibilité de l'indice de dépistage des TSA, sur la base des données de 3 531 cas de nourrissons et de tout-petits âgés de 42 mois ou de plus jeunes. Sur la base de cette analyse, les chercheurs ont développé un scénario pour observer les nourrissons et les tout-petits dans lesquels la technologie d'IA peut être appliquée.
Sur la base de ce scénario, ils ont développé le premier «contenu induisant l'interaction sociale» au monde qui peut induire et observer diverses réponses sociales telles que ▲ montrant un objet intéressant, ▲ répondant à un nom, ▲ Imit comportement, ▲ Points de pointes, contact oculaire ▲, etc.
En outre, ils ont développé une technologie de « AI de reconnaissance d'interaction sociale qui capture les processus d'interaction des nourrissons et des tout-petits regardant le contenu avec des caméras et effectue une analyse des attributs personnels, △ prédiction et surveillance de l'état émotionnel, △ suivi du regard et réponse à la détection de noms, à la détection des gestes de pointe, △ △ △ △ détection de comportement imitatif et stéréotypique, et et., et.
Les chercheurs ont créé un laboratoire vivant pour le dépistage du trouble du spectre autistique au Korea Institute of Robotics and Technology Convergence (Kiro) Séoul Center en 2020 et ont effectué des tests d'observation et une collecte de données sur les nourrissons et les tout-petits depuis cinq ans, faisant progresser ainsi la technologie du domaine.
Cette technologie est la première technologie multidisciplinaire multidisciplinaire et basée sur la convergence (IA) pour le dépistage du trouble du spectre autistique, surmontant les limites des outils de dépistage existants et présentant une nouvelle solution qui permet des évaluations plus objectives et quantitatives.
Il réduit la barrière aux services de santé mentale, ce qui facilite les écoles préscolaires, les centres de garde d'enfants, les centres de développement et même les maisons pour filtrer les enfants lorsqu'ils interagissent avec le contenu.
Il devrait être utilisé comme un moyen pratique de résoudre le problème du dépistage précoce des nourrissons et des enfants en améliorant la conscience sociale des troubles du spectre autistique et en activant les tests préventifs et une intervention précoce.
Le Dr Yoo Jang-hee, chercheur principal de la section de recherche sur la robotique sociale, a déclaré: « Nous espérons que cela aidera à raccourcir le temps entre la détection des symptômes et le diagnostic, ainsi que les perceptions sociétales de l'autisme.
Pendant ce temps, cette technologie a été sélectionnée comme l'une des «100 réalisations nationales d'excellence en R&D en 2024» et a été reconnue pour son excellence à travers plus de 50 demandes de brevets nationales et internationales et 18 publications dans des revues internationales (SCIE).
1) Trouble du spectre autistique (TSA): un type de trouble neurodéveloppemental caractérisé par des difficultés de communication et d'interaction sociales, et des comportements et intérêts restreints et répétitifs. Le terme «spectre» fait référence au fait que la gravité et les types de symptômes varient d'une personne à l'autre.
2) Dépistage précoce / intervention précoce: détection des conditions telles que les troubles du développement le plus tôt possible et, si nécessaire, fournir des interventions médicales et psychologiques pour empêcher l'aggravation ou l'amélioration des symptômes
3) Suivi du regard et réponse au nom: la position du regard de l'enfant vers un objet spécifique (point de regard) et le degré auquel l'enfant répond lorsque son nom est appelé (réponse au nom)
4) Comportement imitatif / stéréotypé: le comportement imitatif est de copier les mouvements ou les actions des autres, et le comportement stéréotypé remonte certaines actions ou mots
5) Living Lab: un modèle de recherche qui engage les utilisateurs pour expérimenter et faire progresser la technologie dans des espaces qui ressemblent à des environnements réels. Dans ce cas, nous avons collecté des données et validé la technologie tandis que les nourrissons et leurs soignants ont réellement interagi avec le contenu.
This research was conducted as part of the 'SW Computing Industry Core Technology Development Project' of the Institute of Information and Communications Technology Planning and Evaluation (IITP) with the support of the Ministry of Science and ICT, and Prof. Yoo Hee-Jung's team of Seoul National University Bundang Hospital, Prof. Kim Hong-Guk's team of Gwangju Institute of Science and Technology (GIST), and Dr. Kim Min-Kyu's team of the Korea Institute of La convergence de la robotique et de la technologie (Kiro) a participé ensemble.
