Identification du TDAH à partir de vidéos enregistrées en conditions réellesADHD identification from real-life recorded video.
- Utilisation de vidéos réelles enregistrées à domicile pour détecter le TDAH.
- Extraction de coordonnées squelettiques du haut du corps par deep learning pré-entraîné.
- Précision de classification de 0,66 à 0,88 selon le sexe et le modèle.
L'article aborde une méthode innovante et écologique pour l'identification du TDAH, directement utile en clinique. Cependant, la petite taille de l'échantillon et le niveau de preuve préliminaire (prépublication) limitent la confiance immédiate. Note de 78 correspondant à un intérêt modéré à élevé pour les cliniciens et chercheurs.
Échantillon de petite taille (78 vidéos) limitant la généralisation. Précision modeste, notamment chez les hommes (0,65-0,82). Absence de validation croisée externe sur une population indépendante. Potentiel biais de sélection dans les vidéos auto-enregistrées. Non prise en compte des comorbidités fréquentes du TDAH.
Cette étude explore l'utilisation d'un système d'apprentissage profond pour identifier le trouble du déficit de l'attention avec hyperactivité (TDAH) à partir de vidéos enregistrées en milieu domestique. À partir de 78 séquences vidéo (40 femmes, 38 hommes), des coordonnées squelettiques du haut du corps ont été extraites et analysées via des architectures deep learning (TabNet, TCC, LSTM) et des classifieurs classiques, atteignant une précision de 0,66 à 0,88 pour les femmes et 0,65 à 0,82 pour les hommes. La méthode pourrait permettre une évaluation continue du TDAH à domicile et fournir de nouveaux biomarqueurs pour la clinique.
Utilisation de vidéos réelles enregistrées à domicile pour détecter le TDAH. Extraction de coordonnées squelettiques du haut du corps par deep learning pré-entraîné. Précision de classification de 0,66 à 0,88 selon le sexe et le modèle. Méthode non invasive et potentiellement applicable en télésurveillance. Identification de biomarqueurs comportementaux spécifiques au sexe.
Outil complémentaire aux questionnaires et entretiens pour le diagnostic du TDAH. Permet une évaluation écologique en milieu naturel, réduisant les biais observateurs. Facilite le suivi longitudinal des symptômes et l'ajustement thérapeutique à distance. Peut améliorer la détection des formes subcliniques ou atypiques du TDAH.
Preprint