Autisme, imagerie et IA face aux limites des données

L’imagerie et l’intelligence artificielle occupent une place croissante dans la recherche sur le diagnostic du trouble du spectre de l’autisme. Les auteurs examinent ces approches tout en rappelant que le TSA est associé à des particularités sociales, communicationnelles et comportementales. Des anomalies motrices sont aussi étudiées comme indicateurs possibles d’une identification précoce.

L’article repose sur une revue critique de littérature comprenant des études expérimentales et des articles de synthèse. Il aborde les tendances de prévalence selon les pays, les méthodes diagnostiques actuelles et les interventions existantes. Il recense également des jeux de données publics consacrés au TSA et compare les atouts et limites des méthodes fondées sur l’IA.

Malgré les progrès présentés, plusieurs limites méthodologiques persistent . Les études reposent souvent sur de petits échantillons, des populations peu diverses et des protocoles d’imagerie hétérogènes. Le recours à une seule modalité de données, par exemple un unique type d’imagerie, réduit aussi la capacité à généraliser les résultats au-delà des groupes initialement étudiés.

Les auteurs décrivent donc un potentiel encore conditionnel pour ces outils dans le soutien au diagnostic précoce. Ils soulignent le besoin de protocoles standardisés, de validations externes et multicentriques, ainsi que de systèmes dont le fonctionnement puisse être expliqué. Une plus grande diversité des données est également présentée comme nécessaire pour améliorer la fiabilité et l’applicabilité des modèles.