Des photos de l'œil analysées par l'IA permettent de diagnostiquer l'autisme infantile avec une précision de 100 %

Selon une étude des chercheurs de l'Université Yonsei

Des photos de l'œil analysées par l'IA permettent de diagnostiquer l'autisme infantile avec une précision de 100 %, selon une étude des chercheurs de l'Université Yonsei.

Des chercheurs ont pris des photos de rétines d'enfants et les ont analysées à l'aide d'un algorithme d'apprentissage profond de l'IA pour diagnostiquer l'autisme avec une précision de 100 %. Ces résultats plaident en faveur de l'utilisation de l'IA comme outil de dépistage objectif pour un diagnostic précoce, en particulier lorsque l'accès à un pédopsychiatre spécialisé est limité.

Au fond de l'œil, la rétine et le nerf optique se connectent au niveau du disque optique. Prolongement du système nerveux central, cette structure est une fenêtre sur le cerveau et les chercheurs ont commencé à tirer parti de leur capacité à accéder facilement et de manière non invasive à cette partie du corps pour obtenir d'importantes informations sur le cerveau.

Récemment, des chercheurs britanniques ont créé un moyen non invasif de diagnostiquer rapidement une commotion cérébrale en projetant un laser sans danger pour les yeux sur la rétine. Aujourd'hui, des chercheurs de la faculté de médecine de l'université Yonsei, en Corée du Sud, ont mis au point une méthode de diagnostic des troubles du spectre autistique (TSA) et de la gravité des symptômes chez les enfants à l'aide d'images rétiniennes analysées par un algorithme d'intelligence artificielle.

Les chercheurs ont recruté 958 participants âgés en moyenne de 7,8 ans et ont photographié leurs rétines, ce qui a permis d'obtenir un total de 1 890 images. La moitié des participants avaient reçu un diagnostic de TSA, et l'autre moitié étaient des témoins appariés en âge et en sexe. La gravité des symptômes des TSA a été évaluée à l'aide des scores de gravité calibrés de l'Autism Diagnostic Observation Schedule - Second Edition (ADOS-2) et des scores de l'échelle de réactivité sociale - Second Edition (SRS-2).

Un réseau neuronal convolutionnel, un algorithme d'apprentissage profond, a été formé en utilisant 85% des images rétiniennes et des scores de test de gravité des symptômes pour construire des modèles de dépistage des TSA et de la gravité des symptômes des TSA. Les 15 % d'images restantes ont été conservées pour les tests.


Pour le dépistage des TSA sur l'ensemble des images testées, l'IA a pu sélectionner les enfants avec un diagnostic de TSA avec une aire moyenne sous la courbe caractéristique du récepteur (AUROC) de 1,00. La valeur de l'AUROC varie de 0 à 1. Un modèle dont les prédictions sont fausses à 100 % a une AUROC de 0,0 ; un modèle dont les prédictions sont correctes à 100 % a une AUROC de 1,0, ce qui indique que les prédictions de l'IA dans la présente étude étaient correctes à 100 %. Il n'y a pas eu de diminution notable de l'AUROC moyen, même lorsque 95 % des zones les moins importantes de l'image - celles qui n'incluent pas le disque optique - ont été supprimées.

"Nos modèles ont obtenu des résultats prometteurs dans la différenciation des TSA et des TD [enfants au développement typique] à l'aide de photographies rétiniennes, ce qui implique que les altérations rétiniennes dans les TSA peuvent avoir une valeur potentielle en tant que biomarqueurs", ont déclaré les chercheurs. "Il est intéressant de noter que ces modèles ont conservé un AUROC moyen de 1,00 en utilisant seulement 10 % de l'image contenant le disque optique, ce qui indique que cette zone est cruciale pour distinguer les TSA des TD." La valeur moyenne de l'AUROC pour la gravité des symptômes était de 0,74, un AUROC de 0,7 à 0,8 étant considéré comme "acceptable" et de 0,8 à 0,9 comme "excellent".

"Nos résultats suggèrent que les photographies rétiniennes peuvent fournir des informations supplémentaires sur la gravité des symptômes", ont déclaré les chercheurs. "Nous avons observé que la classification n'était réalisable que pour les scores ADOS-2 et non pour les scores SRS-2. Cela peut s'expliquer par le fait que l'ADOS-2 est réalisé par un professionnel qualifié qui dispose de beaucoup de temps pour l'évaluation, alors que le SRS-2 est généralement réalisé par un soignant en quelques dizaines de minutes ; le premier reflète donc l'état de gravité d'une personne avec plus de précision que le second."

Sur la base de leurs résultats, les chercheurs affirment que leur modèle basé sur l'IA pourrait être utilisé comme outil de dépistage objectif à partir de cet âge. Étant donné que la rétine du nouveau-né continue de se développer jusqu'à l'âge de quatre ans, des recherches supplémentaires sont nécessaires pour déterminer si l'outil serait précis pour les participants plus jeunes. "Bien que de futures études soient nécessaires pour établir la généralisabilité, notre étude représente une étape notable vers le développement d'outils de dépistage objectifs pour les TSA, ce qui pourrait aider à résoudre des problèmes urgents tels que l'inaccessibilité des évaluations spécialisées en pédopsychiatrie en raison de ressources limitées", ont déclaré les chercheurs.

Source : "Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs"

Et vous ?

Pensez-vous que cette étude est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

Des chercheurs mettent au point une IA apte à détecter les signes de maladies dans le souffle humain, en utilisant des techniques de deep learning

L'intelligence artificielle peut détecter la maladie d'Alzheimer dans les scanners cérébraux six ans avant un diagnostic, selon une étude

Une application de santé mentale critiquée pour avoir utilisé l'IA chatGPT pour prodiguer des conseils à 4000 utilisateurs. Ces derniers ont donné une note élevée aux réponses de l'IA