L'IA permet de prédire avec précision le risque d'autisme chez les nourrissons.
Une nouvelle étude suggère que l'examen du cerveau de nourrissons de 6 mois, combiné à une analyse par intelligence artificielle (IA), peut prédire le risque d'autisme dès le plus jeune âge.
L'étude a été menée auprès de 59 nourrissons présentant un risque élevé d'autisme, chacun ayant un frère ou une sœur atteint(e) de ce trouble. L'intelligence artificielle a prédit avec une précision de 100 % que 48 de ces enfants ne développeraient pas d'autisme.
À noter que, parmi les 11 enfants chez lesquels ce trouble a été diagnostiqué avant l'âge de deux ans, le système a correctement prédit neuf cas.
« Les résultats sont extrêmement précis », a déclaré Robert Emerson, auteur principal de l'étude et ancien chercheur postdoctoral en neurosciences cognitives à l'Université de Caroline du Nord (UNC), à Live Science.
Selon Emerson, environ 20 % des nourrissons ayant un frère ou une sœur autiste développeront ce trouble, contre seulement 1,5 % dans la population générale.
Les chercheurs estiment que cette découverte pourrait ouvrir la voie à des outils de diagnostic avancés capables d'identifier l'autisme avant même l'apparition des symptômes. Ceci permettrait une intervention précoce, améliorant ainsi, voire prévenant, l'évolution de la maladie.
Concernant ces recherches, le Dr Joseph Piven, professeur de psychiatrie à la faculté de médecine de l'UNC, a déclaré : « Notre objectif est d'atteindre les enfants tôt, avant que l'autisme ne se manifeste, afin de pouvoir intervenir plus efficacement. »
Cette étude a été publiée dans la revue scientifique internationale américaine Science Translational Medicine.
Le développement de l'autisme
Les troubles du spectre autistique sont des troubles cérébraux caractérisés par des difficultés d'interaction sociale et des comportements répétitifs. Aux États-Unis, ils touchent environ un enfant sur 68. Les symptômes comportementaux apparaissent généralement avant l'âge de 2 ans.
Cependant, Emerson et ses collègues ont démontré qu'ils pouvaient détecter des biomarqueurs de ce trouble avant même l'apparition des symptômes.
Dans leur étude, l'équipe a utilisé l'imagerie par résonance magnétique (IRM) pour visualiser le cerveau de nourrissons endormis, enregistrant l'activité neuronale de 230 régions cérébrales différentes. Ils se sont particulièrement intéressés au degré de synchronisation entre ces régions, également appelé connectivité fonctionnelle.
Au total, l'équipe de recherche a mesuré 26 335 connexions fonctionnelles essentielles à la cognition, à la mémoire et au comportement. À partir de données d'IRM, elle a cherché à identifier les nourrissons présentant un risque élevé d'autisme.
Photo : Internet
À l'âge de deux ans, les enfants reviennent pour une évaluation de leur comportement, notamment de leurs interactions sociales, de leur communication, de leur développement moteur et de leur tendance à effectuer des actions répétitives. Ces données permettent d'identifier les enfants atteints d'autisme.
Grâce à toutes les données recueillies, les chercheurs ont commencé à entraîner un programme d'apprentissage automatique, qu'ils ont ensuite utilisé pour prédire le risque d'autisme.
Leur objectif était de tester si l'algorithme pouvait identifier avec précision quels nourrissons développeraient de l'autisme en se basant uniquement sur des données de connectivité fonctionnelle recueillies lorsque l'enfant avait 6 mois.
L'apprentissage automatique est une forme d'intelligence artificielle qui s'affine à mesure qu'elle traite davantage de données. Dans cette étude, le système a appris à identifier les différences de connexions cérébrales fonctionnelles chez des enfants de six mois et à les relier à des évaluations comportementales réalisées à l'âge de deux ans.
Pour vérifier l'exactitude des résultats, l'équipe de recherche n'a pas utilisé d'emblée les données des 59 nourrissons. Elle a d'abord entraîné le modèle avec les données de 58 nourrissons, puis a utilisé celles du nourrisson restant pour tester la prédiction. Ce processus a été répété pour chaque nourrisson.
« Le profil d'apprentissage de chaque enfant est prédit en fonction des profils d'apprentissage des autres enfants du groupe », a déclaré Emerson.
Au final, le programme d'apprentissage automatique a prédit avec une précision de 82 % les troubles du spectre autistique chez les enfants. Il s'agit d'une avancée significative dans le dépistage précoce de ces troubles, ouvrant la voie à une intervention rapide pour améliorer la vie de ces enfants.
La recherche a été couronnée de succès grâce au dévouement des parents.
Le Dr Piven a indiqué que l'équipe de recherche avait déjà publié une étude aux taux de prédiction impressionnants, mais que cette étude nécessitait deux IRM, l'une à 6 mois et l'autre à 1 an. Pouvoir détecter le risque d'autisme grâce à une seule IRM réalisée plus tôt représente une avancée majeure.
Ce qui a particulièrement touché l'équipe de recherche, c'est l'engagement des parents dans cette étude et dans de nombreuses autres menées au fil des ans. Malgré une préparation minutieuse, ils ont été surpris par la volonté des familles de participer.
« C’est un groupe de personnes extraordinaires », a confié Piven. « Non seulement ils ont des enfants plus âgés atteints d’autisme, mais ils amènent aussi leurs plus jeunes enfants, souvent à plusieurs reprises et depuis des endroits très éloignés, dans l’un de nos quatre centres cliniques aux États-Unis. »
« Ils sont vraiment dévoués », a souligné Emerson.
L'équipe de recherche espère que ces contributions ouvriront la voie à des interventions plus efficaces, offrant ainsi aux enfants à risque d'autisme de meilleures chances de développement.
