Aperçu : G.M. (mise à jour du blog, article de 2013)
L'eye tracking est devenu la tendance technologique du jour. Les annonceurs utilisent des données sur l'endroit où vous regardez et à quel moment pour mieux capter votre attention. Les concepteurs l'utilisent pour améliorer les produits. Les développeurs de jeux et de téléphones l'utilisent pour offrir la toute dernière interaction mains libres.
Mais l'eye tracking peut faire plus que vendre des produits ou donner du repos à votre doigt tout en jouant à Fruit Ninja. Des années de recherche ont montré que nos mouvements oculaires rapides et minuscules appelés saccades servent de fenêtre au cerveau pour les psychologues comme pour les annonceurs - mais au lieu de donner des indices sur nos marques de biscuits préférées, ils éclairent notre fonctionnement mental interne. La question est de savoir si la capture de tels mouvements peut aider les cliniciens à diagnostiquer des troubles mentaux et neurologiques, tels que l’autisme, le trouble d'hyperactivité avec déficit de l'attention, la maladie de Parkinson, etc.
Pour de nombreux chercheurs dans ce domaine en pleine croissance, les perspectives sont jusqu’à présent positives.
«L'analyse visuelle reflète un modèle du monde qui existe dans le cerveau de chaque individu», explique Moshe Eizenman, chercheur de premier plan dans le domaine de la surveillance oculaire à l'Université de Toronto. «Les personnes atteintes de troubles mentaux ont un modèle du monde légèrement différent de celui des gens normaux - et en bougeant les yeux, elles fournissent des informations sur ce modèle différent.» Les enfants autistes, par exemple, ont tendance à éviter les images sociales au profit de celles qui sont abstraites, et ils établissent aussi plus rarement et de manière fugace un contact visuel lorsque vous regardez des visages dans une image ou une vidéo par rapport à des enfants non-autistes. Des scientifiques ont découvert que des modèles de mouvements oculaires anormaux, distincts et similaires, se produisent dans de nombreux troubles mentaux.
Jusqu'à récemment, ces connaissances restaient reléguées au laboratoire, où les chercheurs avaient traditionnellement recours à des outils spéciaux (tels que le port du casque protecteur) et à des tâches bien définies (comme suivre une cible en mouvement sur un écran d'ordinateur). Désormais, à mesure que le coût de la technologie diminue et que la précision d'outils plus courants - et pratiques - s'améliore, le suivi oculaire peut trouver une utilisation plus large en milieu clinique. «L'accessibilité des dispositifs de suivi de l'œil aux cliniciens et à d'autres personnes augmentera considérablement», prédit Eizenman. "Cela ne restera pas du domaine des experts." Mais les progrès technologiques ne sont pas suffisants en eux-mêmes pour permettre à l'eye-monitoring de surveiller la santé mentale au grand jour. Le grand défi à venir, dit-il, est une analyse significative des informations sur les mouvements oculaires.
Laurent Itti de l’iLab de l’Université de Californie du Sud fait partie d’une équipe qui s’attaque à ce défi. Avec un groupe de chercheurs des États-Unis et l’Université Queen’s en Ontario, l’année dernière, Itti a mis au point une méthode d’identification des troubles cérébraux basée sur le suivi oculaire, qui repose sur de nombreuses données. Les sujets de ce test de «visualisation libre» sont assis et regardent naturellement une vidéo à la télévision pendant 15 minutes, pendant que leurs mouvements oculaires sont enregistrés. Le résultat est un déluge de données (la moyenne des personnes effectuant de trois à cinq mouvements oculaires saccadés par seconde), l'équipe d'Itti a donc recours à l'apprentissage automatique avancé (algorithmes permettant à un ordinateur de reconnaître des modèles sans instruction humaine explicite) pour analyser les résultats et distinguer les mouvements oculaires déviants à partir de schémas normaux.
Dans une petite étude de validation, l'équipe d'Itti a découvert que son algorithme pouvait classer les troubles mentaux selon les schémas de mouvement oculaire: ils ont identifié les patients âgés atteints de la maladie de Parkinson avec une précision de près de 90%, ainsi que les enfants présentant un trouble d'hyperactivité avec déficit de l'attention (TDAH) ) ou trouble du spectre de l'alcoolisation fœtale avec une précision de 77%. «C’est très différent de ce que les gens ont fait auparavant. Nous essayons d’avoir une interprétation complètement automatisée des données de mouvements oculaires », explique Itti. «Il n’est donc pas nécessaire qu’un scientifique examine les données pour comprendre ce qui se passe; nous utilisons des algorithmes et des machines pour identifier le lien entre le mouvement des yeux et la cognition. "
Il espère que cette approche informatisée débouchera bientôt sur des tests peu coûteux et largement disponibles qui ne nécessitent pas une lecture experte. Cela serait particulièrement utile pour diagnostiquer le TDAH et l'autisme, qui ne possèdent actuellement pas de biomarqueurs identifiables (un diagnostic dépend en grande partie du comportement observé). Imaginez des tests oculaires pour dépister des troubles mentaux et neurologiques devenant aussi omniprésents que les tests de tension artérielle d’aujourd’hui - c’est la vision d’Itti.
Itti et ses collaborateurs, dont Douglas Munoz, directeur du Centre for Neuroscience Studies de l’Université Queens, élargissent leur domaine de recherche. Munoz poursuit actuellement des essais à plus grande échelle de la méthode de suivi des yeux «à visualisation gratuite» pilotée par ordinateur dans des hôpitaux de la région de Toronto. L'objectif est de déterminer si leur test peut continuer à identifier avec précision les troubles, à la fois chez les enfants ayant des problèmes de développement et les personnes âgées atteintes de maladies neurodégénératives.
Mais l'eye tracking peut faire plus que vendre des produits ou donner du repos à votre doigt tout en jouant à Fruit Ninja. Des années de recherche ont montré que nos mouvements oculaires rapides et minuscules appelés saccades servent de fenêtre au cerveau pour les psychologues comme pour les annonceurs - mais au lieu de donner des indices sur nos marques de biscuits préférées, ils éclairent notre fonctionnement mental interne. La question est de savoir si la capture de tels mouvements peut aider les cliniciens à diagnostiquer des troubles mentaux et neurologiques, tels que l’autisme, le trouble d'hyperactivité avec déficit de l'attention, la maladie de Parkinson, etc.
Pour de nombreux chercheurs dans ce domaine en pleine croissance, les perspectives sont jusqu’à présent positives.
«L'analyse visuelle reflète un modèle du monde qui existe dans le cerveau de chaque individu», explique Moshe Eizenman, chercheur de premier plan dans le domaine de la surveillance oculaire à l'Université de Toronto. «Les personnes atteintes de troubles mentaux ont un modèle du monde légèrement différent de celui des gens normaux - et en bougeant les yeux, elles fournissent des informations sur ce modèle différent.» Les enfants autistes, par exemple, ont tendance à éviter les images sociales au profit de celles qui sont abstraites, et ils établissent aussi plus rarement et de manière fugace un contact visuel lorsque vous regardez des visages dans une image ou une vidéo par rapport à des enfants non-autistes. Des scientifiques ont découvert que des modèles de mouvements oculaires anormaux, distincts et similaires, se produisent dans de nombreux troubles mentaux.
Jusqu'à récemment, ces connaissances restaient reléguées au laboratoire, où les chercheurs avaient traditionnellement recours à des outils spéciaux (tels que le port du casque protecteur) et à des tâches bien définies (comme suivre une cible en mouvement sur un écran d'ordinateur). Désormais, à mesure que le coût de la technologie diminue et que la précision d'outils plus courants - et pratiques - s'améliore, le suivi oculaire peut trouver une utilisation plus large en milieu clinique. «L'accessibilité des dispositifs de suivi de l'œil aux cliniciens et à d'autres personnes augmentera considérablement», prédit Eizenman. "Cela ne restera pas du domaine des experts." Mais les progrès technologiques ne sont pas suffisants en eux-mêmes pour permettre à l'eye-monitoring de surveiller la santé mentale au grand jour. Le grand défi à venir, dit-il, est une analyse significative des informations sur les mouvements oculaires.
Laurent Itti de l’iLab de l’Université de Californie du Sud fait partie d’une équipe qui s’attaque à ce défi. Avec un groupe de chercheurs des États-Unis et l’Université Queen’s en Ontario, l’année dernière, Itti a mis au point une méthode d’identification des troubles cérébraux basée sur le suivi oculaire, qui repose sur de nombreuses données. Les sujets de ce test de «visualisation libre» sont assis et regardent naturellement une vidéo à la télévision pendant 15 minutes, pendant que leurs mouvements oculaires sont enregistrés. Le résultat est un déluge de données (la moyenne des personnes effectuant de trois à cinq mouvements oculaires saccadés par seconde), l'équipe d'Itti a donc recours à l'apprentissage automatique avancé (algorithmes permettant à un ordinateur de reconnaître des modèles sans instruction humaine explicite) pour analyser les résultats et distinguer les mouvements oculaires déviants à partir de schémas normaux.
Dans une petite étude de validation, l'équipe d'Itti a découvert que son algorithme pouvait classer les troubles mentaux selon les schémas de mouvement oculaire: ils ont identifié les patients âgés atteints de la maladie de Parkinson avec une précision de près de 90%, ainsi que les enfants présentant un trouble d'hyperactivité avec déficit de l'attention (TDAH) ) ou trouble du spectre de l'alcoolisation fœtale avec une précision de 77%. «C’est très différent de ce que les gens ont fait auparavant. Nous essayons d’avoir une interprétation complètement automatisée des données de mouvements oculaires », explique Itti. «Il n’est donc pas nécessaire qu’un scientifique examine les données pour comprendre ce qui se passe; nous utilisons des algorithmes et des machines pour identifier le lien entre le mouvement des yeux et la cognition. "
Il espère que cette approche informatisée débouchera bientôt sur des tests peu coûteux et largement disponibles qui ne nécessitent pas une lecture experte. Cela serait particulièrement utile pour diagnostiquer le TDAH et l'autisme, qui ne possèdent actuellement pas de biomarqueurs identifiables (un diagnostic dépend en grande partie du comportement observé). Imaginez des tests oculaires pour dépister des troubles mentaux et neurologiques devenant aussi omniprésents que les tests de tension artérielle d’aujourd’hui - c’est la vision d’Itti.
Itti et ses collaborateurs, dont Douglas Munoz, directeur du Centre for Neuroscience Studies de l’Université Queens, élargissent leur domaine de recherche. Munoz poursuit actuellement des essais à plus grande échelle de la méthode de suivi des yeux «à visualisation gratuite» pilotée par ordinateur dans des hôpitaux de la région de Toronto. L'objectif est de déterminer si leur test peut continuer à identifier avec précision les troubles, à la fois chez les enfants ayant des problèmes de développement et les personnes âgées atteintes de maladies neurodégénératives.
Eye-Tracking Software May Reveal Autism and other Brain Disorders
The
eyes of people with neurological conditions, including ADHD and
Parkinson’s, have a distinctive motion that could form the basis of
clinical diagnosis
By Nadja Popovich on
But eye-tracking can do more than help sell products or give your finger a rest while playing Fruit Ninja. Years of research have found that our tiny, rapid eye movements called saccades serve as a window into the brain for psychologists just as for advertisers—but instead of giving clues about our preferred cookie brands (pdf), they elucidate our inner mental functioning. The question is, can capturing such movements help clinicians make diagnoses of mental and neurological disorders, such as autism, attention-deficit hyperactivity disorder, Parkinson’s disease and more? For many researchers in this growing field, the outlook so far looks positive.
“Visual scanning reflects a model of the world that exists inside the brain of each individual,” explains Moshe Eizenman, a leading eye-tracking researcher at the University of Toronto. “People with mental disorders have a model of the world that is slightly different than that of normal people—and by moving their eyes, they provide information about this different model.” Autistic children, for example, tend to avoid social images in favor of abstract ones, and they also more rarely and fleetingly make eye contact when looking at faces in an image or video in comparison with nonautistic kids. Similarly distinct, abnormal eye-movement patterns occur in a number of mental disorders, scientists have found.
Laurent Itti of the University of Southern California’s iLab is a part of a team working on this very challenge. Along with a group of researchers from U.S.C. and Queen’s University in Ontario, last year Itti devised a data-heavy, low-cost method of identifying brain disorders via eye-tracking. Subjects in this “free viewing” test sit and naturally watch a video on TV for 15 minutes while their eye-movements are recorded. The result is a deluge of data (the average person makes three to five saccadic eye movements per second), so Itti’s team uses advanced machine learning—algorithms that enable a computer to recognize patterns without explicit human instruction—to parse the results and distinguish deviant eye-movements from normal patterns.
In a small, proof-of-concept study (pdf) Itti’s team found that their algorithm could classify mental disorders through eye-movement patterns: They identified elderly Parkinson’s patients with nearly 90 percent accuracy as well as children with attention deficit hyperactivity disorder (ADHD) or fetal alcohol spectrum disorder with 77 percent accuracy. “This is very different from what people have done before. We’re trying to have completely automated interpretation of the eye movement data,” Itti says. “So you don’t need to have a scientist look at the data to figure out what’s going on; we’re using algorithms and machines to [identify] the linkage between eye-movement and cognition.”
He hopes that soon this computer-led approach will lead to low-cost, widely available tests that don’t require expert reading. It would be particularly useful for diagnosing ADHD and autism, which do not currently have identifiable biomarkers (instead, a diagnosis depends largely on observed behavior). Imagine eye-tracking tests for mental and neurological disorders becoming as ubiquitous as blood-pressure tests are today—that is Itti’s vision.
Itti and his collaborators, including Douglas Munoz, director of the Queens University Center for Neuroscience Studies, are expanding their line of research. Munoz is currently pursuing wider trials of the computer-led, “free viewing” eye-tracking method at Toronto-area hospitals. The goal is to determine whether their test can continue to accurately identify disorders, both in children with developmental problems and elderly people with neurodegenerative disease.
Advertisement
To be useful in the clinical setting, however, any new screening test must prove itself against simpler tools already in use—for example, an online questionnaire that a parent could fill out about a child’s behavioral patterns, as Gregory Young, a developmental psychologist at the University of California, Davis, MIND Institute who has worked with eye-tracking in his own research, points out.
A thorough diagnosis of autism, ADHD and other developmental disorders takes time and depends on wide observation of children in their natural environments, which is precisely why a simple diagnostic tool is so appealing. But Young says that it is important not to underestimate the complexity of such disorders. “Creating an automated system to aid in screening, I could see that,” he says. “Where it becomes problematic is when we pin our hopes that a single tool could give a complete diagnosis.”
Both Itti and Munoz agree. Although their test yields automated results, it is not meant to replace a more thorough assessment by a specialist. As Munoz explains, “We’re looking to create an easy, low-cost way to initiatediagnosis: step 1, you watch 10 to 15 minutes of TV, and then the computer program can classify you as ‘everything’s okay’ or ‘something’s wrong.’ The ‘something’s wrong’ doesn’t mean you get a label yet, but it does raise a flag that additional intervention may be required,” he says.
