Résumé

Aujourd’hui, selon les Centers for Disease Control and Prevention (CDC) [52], un enfant sur 36 reçoit un diagnostic de trouble du spectre de l’autisme (TSA), ce qui fait de cette condition l’un des troubles du neurodéveloppement les plus répandus. Pour les enfants autistes qui présentent des retards de développement importants, la trajectoire de leur croissance cognitive peut être sensiblement améliorée par des interventions si la condition est repérée tôt. Il existe donc un besoin crucial d’outils de dépistage et de diagnostic plus évolutifs, ainsi que d’une meilleure phénotypisation afin d’affiner l’estimation des symptômes du TSA chez l’enfant. Nous présentons ici AI4Autism, un projet de quatre ans financé par le Fonds national suisse de la recherche scientifique, qui vise à répondre aux besoins exposés ci-dessus. Dans ce projet, nous examinons le potentiel de la détection numérique pour fournir des mesures automatisées du phénotype élargi de l’autisme. Cela repose sur des techniques multimodales fondées sur la vision par ordinateur et la détection par l’Internet des objets, dans le but de stratifier les sous-types d’autisme de manière à permettre une médecine de précision. Nous présentons un aperçu de nos principaux résultats à ce jour, en introduisant des jeux de données et des annotations que nous prévoyons de rendre publics, ainsi que des méthodes et des algorithmes pour analyser les comportements des enfants et produire un diagnostic de TSA.