Des critères diagnostiques de l’autisme remis en cause par l’intelligence artificielle
Une analyse de dossiers médicaux numériques effectuée à l’aide de grands modèles de langage (GML) remet en question une croyance bien implantée sur les caractéristiques cliniques de l’autisme.
Une étude menée récemment par des scientifiques au Neuro (Institut-Hôpital neurologique de Montréal), de l’Université ²»Á¼Ñо¿Ëù, et à (Institut québécois d’intelligence artificielle), a montré que les facteurs liés à la communication sociale pourraient ne pas être aussi révélateurs de la présence de ce trouble qu’on le croyait.
Cette conclusion remet en cause la méthode diagnostique standard de l’autisme, qui consiste en une évaluation basée sur des manuels de référence comme le Manuel diagnostique et statistique des troubles mentaux, cinquième édition (DSM-5). Le DSM-5 répertorie deux catégories de critères diagnostiques de l’autisme : une qui touche aux comportements, aux sensibilités et aux intérêts, et une qui porte sur les différences dans la sphère de la communication et des interactions sociales.
Aux fins de l’étude, les scientifiques ont personnalisé un modèle d’intelligence artificielle (IA) afin d’analyser au-delà de 4 200 rapports cliniques d’enfants au Québec. Les résultats de l’analyse ont montré que les critères portant sur la socialisation, comme la réciprocité émotionnelle, la communication non verbale et l’établissement de relations, n’étaient pas étroitement liés au diagnostic d’autisme. En d’autres termes, ces critères n’étaient pas beaucoup plus présents chez les personnes ayant reçu un diagnostic d’autisme que chez celles où ce diagnostic a été écarté. Les critères liés aux mouvements moteurs répétitifs, à l’hyperfixation sur certains centres d’intérêt et à une sensibilité inhabituelle aux stimuli sensoriels étaient, pour leur part, fortement associés au diagnostic d’autisme.
À la lumière de , publiés dans la revue Cell, les scientifiques soutiennent qu’il pourrait être souhaitable pour le corps médical de revoir l’importance qu’il accorde aux critères actuels, et de se concentrer davantage sur les comportements répétitifs et les intérêts particuliers.
Le potentiel de l’IA dans la réalisation de diagnostics rapides et précis
À l’heure actuelle, l’établissement d’un diagnostic d’autisme repose sur l’évaluation clinique; il n’existe aucun test biologique permettant d’analyser les gènes, le sang ou des images cérébrales. Il s’agit d’un long processus susceptible de retarder l’accès à des services de soutien essentiels. Selon les chercheurs, on pourrait accélérer la réalisation d’un diagnostic et rendre ce dernier plus précis en se concentrant sur les caractéristiques les plus prédictives de l’autisme. Ils soulignent le potentiel de l’IA pour affiner ce processus.
« La technologie des grands modèles de langage pourrait un jour nous amener à repenser notre définition de l’autisme, remarque Danilo Bzdok, auteur en chef et scientifique au Neuro et à Mila. Fondé sur des données, ce réexamen des maladies neurologiques actuelles vient compléter le travail qui, traditionnellement, est entièrement effectué par des groupes d’experts et par le jugement humain. »
Cette étude a été financée par la Fondation Brain Canada, Santé Canada, les National Institutes of Health, les Instituts de recherche en santé du Canada, le programme Un cerveau sain pour une vie saine, le Fonds d’excellence en recherche Apogée Canada et l’Institut canadien de recherches avancées.
³¢â€™Ã©t³Ü»å±ð
L’article « », par Jack Stanley, Emmett Rabot, Siva Reddy, Eugene Belilovsky, Laurent Mottron et Danilo Bzdok, a été publié dans la revue Cell.
