Le diagnostic du trouble de stress post-traumatique chez les enfants peut être notoirement difficile. Beaucoup, en particulier ceux qui ont des compétences en communication limitée ou une conscience émotionnelle, ont du mal à expliquer ce qu'ils ressentent. Des chercheurs de l'Université de Floride du Sud s'efforcent de combler ces lacunes et d'améliorer les résultats des patients en fusionnant leur expertise en traumatisme infantile et en intelligence artificielle.
Dirigée par Alison Salloum, professeur à la USF School of Social Work, et Shaun Canavan, professeur agrégé au Bellini College of Artificiel Intelligence, Cybersecurity and Computing, l'équipe interdisciplinaire construit un système qui pourrait fournir aux cliniciens un outil objectif et rentable pour aider à identifier le PTSD chez les enfants et les adolescents, tout en suivant leur outil de récupération.
L'étude, publiée dans Lettres de reconnaissance de motifsest le premier du genre à intégrer la classification du SSPT du contexte tout en préservant pleinement la confidentialité des participants.
Traditionnellement, le diagnostic du SSPT chez les enfants repose sur des entretiens cliniques subjectifs et des questionnaires autodéclarés, qui peuvent être limités par le développement cognitif, les compétences linguistiques, les comportements d'évitement ou la suppression émotionnelle.
Cela a vraiment commencé lorsque j'ai remarqué à quel point les expressions faciales de certains enfants sont intenses lors des entretiens en traumatologie. Même quand ils ne disaient pas grand-chose, vous pouviez voir ce qu'ils traversaient sur leurs visages. C'est à ce moment-là que j'ai parlé à Shaun de savoir si l'IA pouvait aider à détecter cela de manière structurée. «
Alison Salloum, professeur à l'USF School of Social Work
Canavan, qui se spécialise dans l'analyse faciale et la reconnaissance des émotions, a réutilisé des outils existants dans son laboratoire pour construire un nouveau système qui hiérarte la confidentialité des patients. La technologie supprime les détails d'identification et analyse uniquement les données identifiées, notamment la pose de la tête, le regard des yeux et les repères faciaux, tels que les yeux et la bouche.
« C'est ce qui rend notre approche unique », a déclaré Canavan. « Nous n'utilisons pas de vidéo brute. Nous nous débarrassons complètement de l'identification du sujet et conservons uniquement des données sur le mouvement du visage, et nous prenons en compte si l'enfant parlait à un parent ou à un clinicien. »
L'équipe a construit un ensemble de données à partir de 18 séances avec des enfants alors qu'ils partageaient des expériences émotionnelles. Avec plus de 100 minutes de vidéo par enfant et chaque vidéo contenant environ 185 000 images, les modèles d'IA de Canavan ont extrait une gamme de mouvements musculaires faciaux subtils liés à l'expression émotionnelle.
Les résultats ont révélé que des modèles distincts sont détectables dans les mouvements faciaux des enfants atteints de SSPT. Les chercheurs ont également constaté que les expressions faciales lors des entretiens dirigées par les cliniciens étaient plus révélatrices que les conversations parent-enfant. Cela s'aligne sur les recherches psychologiques existantes montrant que les enfants peuvent être plus émotionnellement expressifs avec les thérapeutes et éviter de partager la détresse avec les parents en raison de la honte ou de leurs capacités cognitives.
« C'est là que l'IA pourrait offrir un supplément précieux », a déclaré Salloum. « Ne pas remplacer les cliniciens, mais améliorer leurs outils. Le système pourrait éventuellement être utilisé pour donner aux praticiens des commentaires en temps réel pendant les séances de thérapie et aider à suivre les progrès sans entretiens répétés et potentiellement pénibles. »
L'équipe espère étendre l'étude pour examiner davantage tout biais potentiel du sexe, de la culture et de l'âge, en particulier les enfants d'âge préscolaire, où la communication verbale est limitée et le diagnostic dépend presque entièrement de l'observation des parents.
Bien que l'étude en soit encore à ses débuts, Salloum et Canavan estiment que les applications potentielles sont de grande envergure. De nombreux participants actuels avaient des images cliniques complexes, y compris des conditions concomitantes telles que la dépression, le TDAH ou l'anxiété, reflétant les cas du monde réel et offrant une promesse pour la précision du système.
« Des données comme celle-ci sont incroyablement rares pour les systèmes d'IA, et nous sommes fiers d'avoir mené une étude aussi éthique. C'est crucial lorsque vous travaillez avec des sujets vulnérables », a déclaré Canavan. « Maintenant, nous avons un potentiel prometteur de ce logiciel pour donner des informations éclairées et objectives au clinicien. »
Si elle est validée dans des essais plus importants, l'approche de l'USF pourrait redéfinir la façon dont le SSPT chez les enfants est diagnostiqué et suivi, en utilisant des outils de tous les jours comme la vidéo et l'IA pour apporter des soins de santé mentale à l'avenir.
