Des scientifiques de l’Université du Michigan ont développé des modèles d’apprentissage automatique pour prédire les symptômes du trouble d’hyperactivité avec déficit de l’attention (TDAH) chez l’enfant à partir de tests neurocognitifs et des caractéristiques de l’enfant.
L’étude est publiée dans le Psychiatrie translationnelle Journal.
Étude: Prédiction généralisable des symptômes du TDAH chez l’enfant à partir des tests neurocognitifs et des caractéristiques des jeunes. Crédit d’image : Ahlapot/Shutterstock.com
Sommaire
Arrière-plan
Le trouble déficitaire de l’attention avec hyperactivité (TDAH) est une complication psychiatrique infantile caractérisée par des difficultés de concentration, une désorganisation, des comportements impulsifs et des mouvements excessifs dans un contexte inapproprié.
Le trouble est associé à de nombreux résultats négatifs chez les jeunes, notamment de mauvais résultats scolaires, la consommation de substances et des comportements d’extériorisation, et une crise financière persistante.
L’altération du développement neurocognitif est le principal facteur causal des symptômes du TDAH chez l’enfant. Cependant, les preuves suggèrent que les mesures neurocognitives ne peuvent pas faire la distinction entre les individus atteints de TDAH et caractériser ou prédire avec précision le phénotype du TDAH.
Dans la présente étude, les scientifiques ont développé et validé des modèles d’apprentissage automatique généralisables pour prédire les symptômes caractéristiques du TDAH dans des données indépendantes à l’aide de tests neurocognitifs et des caractéristiques de l’enfant.
Étudier le design
Les scientifiques ont recueilli les données de l’étude ABCD (Adolescent Brain Cognitive Development Study) pour développer des modèles prédictifs.
L’étude ABCD est une étude de consortium longitudinale à grande échelle qui a recruté plus de 10 000 enfants âgés de 9 à 10 ans dans 21 sites différents aux États-Unis. Une grande quantité de données provenant de diverses communautés américaines fait de l’étude ABCD une ressource précieuse pour développer des modèles prédictifs généralisables pour les symptômes du TDAH chez les jeunes.
Des mesures démographiques et biométriques de base, des données géocodées sur les quartiers, des rapports de jeunes sur les caractéristiques de l’enfant et de la famille et des mesures neurocognitives ont été inclus dans les modèles pour prédire les symptômes du TDAH signalés par les parents et les enseignants aux points de suivi d’un an et de deux ans. .
Deux stratégies de modélisation ont été utilisées dans l’étude. Une méthode de modélisation prédictive complète a été utilisée pour estimer la valeur prédictive des caractéristiques individuelles indépendamment de leur éventuelle redondance. De plus, une méthode de modélisation prédictive parcimonieuse a été utilisée pour développer des modèles plus économiques.
Tous les modèles d’étude ont été entraînés à l’aide d’une validation croisée sans site pour déterminer leur généralisabilité.
Pour chaque site d’étude laissé de côté, les données de tous les autres sites ont été utilisées pour former les modèles, qui ont ensuite été utilisés pour générer des valeurs prédites pour le score des symptômes du TDAH dans les données de formation et laissées de côté.
Observations importantes
Les modèles d’étude ont prédit des symptômes de TDAH principalement cohérents sur tous les sites d’étude au bout d’un an. En moyenne, les méthodes de modélisation complètes et éparses ont généré des prédictions identiques des symptômes du TDAH à ce moment précis.
Pour les sites d’étude exclus du processus d’ajustement du modèle, les modèles prédictifs expliquaient 15 à 20 % et 12 à 13 % des variations individuelles des symptômes du TDAH aux points de temps d’un an et de deux ans, respectivement. Ces observations indiquent que les modèles sont hautement généralisables à des données indépendantes (invisibles).
L’analyse du degré d’information prédictive de chaque caractéristique testée a révélé une corrélation prédictive négative significative entre les indices neurocognitifs (raisonnement, mémoire, capacité verbale, vitesse de traitement et efficacité cognitive) et les symptômes du TDAH.
Parmi les caractéristiques déclarées par les enfants, des niveaux plus élevés de comportements impulsifs, de temps d’écran et de conflits familiaux et des niveaux plus faibles de surveillance parentale et d’engagement scolaire ont montré l’efficacité prédictive la plus élevée pour les symptômes du TDAH.
Parmi les caractéristiques démographiques et géocodées, le sexe masculin et la pauvreté du quartier présentent l’efficacité prédictive la plus élevée.
L’application de la méthode de modélisation prédictive parcimonieuse a identifié 13 caractéristiques de plusieurs domaines contribuant de manière significative à la prédiction des symptômes.
Ces caractéristiques comprenaient le sexe, les mesures neurocognitives, le temps d’écran, la surveillance parentale et les comportements impulsifs déclarés par les enfants.
Les résultats obtenus à partir de modèles prédictifs qui incluaient ou excluaient séparément les données neurocognitives, autodéclarées de l’enfant et démographiques ont révélé que les tests neurocognitifs peuvent augmenter considérablement le pouvoir prédictif de ces modèles.
Les modèles ont montré une perte significative de pouvoir prédictif lors du transfert des données d’apprentissage vers les données laissées de côté. La réduction de l’efficacité était plus importante au bout de deux ans.
Cependant, les mesures cognitives, les comportements impulsifs autodéclarés, le sexe et le temps d’écran sont restés les caractéristiques prédictives les plus importantes dans ces modèles.
Importance de l’étude
L’étude révèle que les modèles d’apprentissage automatique peuvent utiliser des données neurocognitives, des données démographiques (sexe), un comportement impulsif autodéclaré et le temps d’écran comme caractéristiques vitales pour prédire les symptômes du TDAH chez l’enfant qui se généralisent à des données invisibles provenant de divers échantillons.
