Les scientifiques ont développé et testé un modèle d'apprentissage en profondeur qui pourrait soutenir les cliniciens en fournissant des résultats précis et des idées claires et explicables – y compris un score de probabilité estimé au modèle pour l'autisme.
Le modèle, décrit dans une étude publiée dans Éclinicalmedicine (Un journal du Lancet), a été utilisé pour analyser les données d'IRMf à l'état de repos – une méthode non invasive qui reflète indirectement l'activité cérébrale via des changements d'oxygénation du sang.
Ce faisant, le modèle a atteint une précision à 98% de validation croisée pour le trouble du spectre autistique (TSA) et la classification neurotypique et a produit des cartes claires et explicables des régions du cerveau les plus influentes de ses décisions.
Les diagnostics de TSA ont considérablement augmenté au cours des deux dernières décennies, reflétant en partie une plus grande sensibilisation, le dépistage élargi et les changements des critères de diagnostic et de la pratique clinique. L'identification précoce et l'accès à un soutien fondé sur des preuves peuvent améliorer les résultats du développement et adaptatifs et peuvent améliorer la qualité de vie, bien que les effets varient.
Cependant, parce que le diagnostic actuel repose principalement sur des évaluations en personne et comportementales – et l'attente d'un diagnostic confirmé peut s'étendre de plusieurs mois à plusieurs années – il est urgent d'améliorer les voies d'évaluation.
Les chercheurs espèrent que, avec une validation supplémentaire, leur modèle pourrait bénéficier aux personnes autistes et aux cliniciens qui les évaluent et les soutiennent en fournissant des informations précises et explicables pour éclairer les décisions.
L'étude est le résultat d'un projet de premier cycle de dernière année par BSC (Hons) étudiant en informatique Suryansh Vidya, supervisé par le Dr Amir Aly, et des chercheurs de l'École d'ingénierie, de calcul et de mathématiques de l'Université de Plymouth. Ils ont été à leur tour soutenus par des chercheurs de l'École de psychologie de l'université et du groupe Cornwall Intellectual Disability Equitable Research (CIDER), qui fait partie de la Peninsula Medical School.
Le Dr Amir Aly, maître de conférences en intelligence artificielle et robotique à l'université et auteur académique de l'étude et auteur correspondant, a déclaré: « Il y a plus de 700 000 personnes autistes au Royaume-Uni, et bien d'autres attendent d'être évaluées. Parce que le diagnostic dépend encore d'une évaluation comportementale spécialisée et en personne, le voyage vers une décision confirmée peut prendre de nombreux mois – et dans certaines zones, des années. »
Nos travaux montrent comment l'IA peut aider: non pas remplacer les cliniciens, mais pour les soutenir par des résultats précis et des informations claires et explicables, y compris un score de probabilité estimé par le modèle, pour aider à hiérarchiser les évaluations et le soutien des adaptations une fois validé. «
Dr Amir Aly, conférencier, intelligence artificielle et robotique, Université de Plymouth
En utilisant la cohorte d'échange de données d'imagerie du cerveau autistique (ABIDE), qui comprenait 884 participants âgés de 7 à 64 ans sur 17 sites, l'équipe a analysé les données RS-FMRI prétraitées et a effectué une comparaison côte à côte des méthodes d'explication. Les techniques basées sur le gradient fonctionnaient mieux, et les cartes qui en résultent étaient largement cohérentes à travers les approches de prétraitement, montrant quelles régions cérébrales ont le plus influencé les prédictions du modèle.
La recherche est déjà avancée par le chercheur de doctorat Kush Gupta, co-auteur de la présente étude, incorporant différents types de données multimodales et de modèles d'apprentissage automatique dans le but de développer un modèle robuste et généralisable axé sur l'IA qui pourrait soutenir les cliniciens dans l'évaluation de l'autisme partout dans le monde. Cela complète le programme de recherche plus large du Dr Aly, y compris l'utilisation de robots pour soutenir les personnes autistes et le développement de méthodes d'IA pour analyser les données du secteur de la santé.
Le professeur Rohit Shankar MBE, professeur en neuropsychiatrie à l'Université et directeur du groupe de cidre, est l'auteur principal de l'étude. Il a ajouté: « Nous avons montré que l'intelligence artificielle a le potentiel d'agir comme un catalyseur pour la détection de l'autisme précoce et la précision de diagnostic.
