Use of artificial intelligence to shorten the behavioral diagnosis of autism

Traduction: G.M.

Utilisation de l'intelligence artificielle pour raccourcir le diagnostic comportemental de l'autisme

Wall DP, Dally R, Luyster R, Jung JY, Deluca TF.

Source

Center for Biomedical Informatics, Harvard Medical School, Boston, Massachusetts, United States of America.

Résumé

L'Autism Diagnostic Interview-Revised (ADI-R) est l'un des instruments les plus couramment utilisés pour faciliter le diagnostic comportemental de l'autisme.
L'examen se compose de 93 questions auxquelles il faut répondre par un fournisseur de soins au sein d'une session ciblée qui s'étale souvent sur 2,5 heures.
Nous avons utilisé des techniques d'apprentissage automatique pour étudier les ensembles complets de réponses ADI-R disponibles à l'Autism Genetic Research Exchange (AGRE)  pour 891 personnes atteintes d'autisme et 75 individus qui ne répondent pas aux critères d'un diagnostic d'autisme.

Notre analyse a montré que 7 des 93 items figurant dans l'ADI-R étaient suffisants pour classer l'autisme avec une précision statistique de 99,9%.

Nous avons également testé l'exactitude de ce classificateur en 7 questions par rapport à un ensemble complet de réponses provenant de deux sources indépendantes, une collection de 1654 personnes atteintes d'autisme de la Fondation Simons et une collection de 322 personnes atteintes d'autisme du Consortium autisme Boston.
Dans les deux cas, notre classificateur a été testé avec près de 100% de précision statistique, pour classer tous les cas, à l'exception d'une des personnes de ces deux ressources qui auparavant avaient été diagnostiquée avec autisme grâce à la norme ADI-R.

Notre capacité à mesurer la spécificité a été limitée par le petit nombre de cas qui n'étaient pas dans le spectre dans les données de recherche utilisées, cependant, les données réelles et simulées ont démontré un niveau de spécificité qui varie de 99% à 93,8%.
Avec l'augmentation des taux d'incidence , la capacité de diagnostiquer l'autisme rapidement et efficacement nécessite une conception soigneuse des méthodes d'évaluation du comportement.
La nôtre est une première tentative d'analyser rétrospectivement de grands référentiels de données pour établir une approche précise, mais nettement abrégée qui peut être utilisée pour la détection rapide et la priorisation clinique des personnes susceptibles d'avoir un trouble du spectre autistique.

Un tel outil pourrait aider à rationaliser le processus de diagnostic clinique globale, conduisant à accélérer le dépistage et le traitement précoce des personnes atteintes d'autisme.