Dépistage précoce de l'autisme par eye-tracking à domicile : une revue de portée des approches, des preuves et des défis de mise en œuvreHome-based eye tracking for early autism screening: a scoping review of approaches, evidence, and implementation challenges.
- Les biomarqueurs oculomoteurs (fixation, temps de regard, dynamique des saccades) montrent un signal discriminatif modéré à élevé pour le diagnostic précoce de l'autisme.
- Seules trois études sur 90 ont collecté des données en milieu domestique, et aucune n'a effectué de validation externe de la précision diagnostique.
- Les tâches courantes incluent des scènes sociales, le mouvement biologique et les indices d'attention conjointe.
Revue de portée récente (2026) sur l'eye-tracking à domicile pour le dépistage de l'autisme, avec 90 études analysées. Pertinence clinique élevée pour le diagnostic précoce, mais manque de validation externe en conditions réelles.
Revue limitée à deux bases de données (PubMed, Scopus) et à la langue anglaise. Fenêtre de recherche restreinte de 2015 à 2025. Absence d'évaluation critique de la qualité des études incluses. La plupart des preuves proviennent d'études cas-témoins en laboratoire, avec une faible validité externe pour le dépistage à domicile. Seules trois études ont été menées en milieu domestique, aucune avec validation externe.
Cette revue de portée synthétise les preuves sur l'eye-tracking déployable à domicile comme biomarqueur numérique pour le dépistage précoce de l'autisme. À partir de 90 études, elle montre que les biomarqueurs oculomoteurs ont un pouvoir discriminatif modéré à élevé, mais que les preuves proviennent presque exclusivement d'études en laboratoire. Seulement trois études ont collecté des données à domicile, sans validation externe. Les priorités futures incluent des essais prospectifs multisites à domicile, des protocoles standardisés et des parcours réglementaires adaptés.
Les biomarqueurs oculomoteurs (fixation, temps de regard, dynamique des saccades) montrent un signal discriminatif modéré à élevé pour le diagnostic précoce de l'autisme. Seules trois études sur 90 ont collecté des données en milieu domestique, et aucune n'a effectué de validation externe de la précision diagnostique. Les tâches courantes incluent des scènes sociales, le mouvement biologique et les indices d'attention conjointe. Les méthodes d'apprentissage automatique (SVM, forêts aléatoires, deep learning) sont utilisées mais la validation externe et la robustesse à la calibration sont rarement rapportées. Les obstacles pratiques comprennent la variabilité de la lumière ambiante, la distance de visualisation, l'hétérogénéité des appareils et les problèmes de confidentialité des données.
L'eye-tracking à domicile pourrait améliorer l'accès au dépistage précoce de l'autisme en réduisant les délais et les biais subjectifs. Les cliniciens doivent être conscients que les preuves actuelles reposent principalement sur des études cas-témoins en laboratoire, limitant la généralisabilité. Des essais prospectifs avec des critères préspécifiés et des protocoles standardisés sont nécessaires avant de recommander l'utilisation clinique à grande échelle. La mise en œuvre clinique devra tenir compte des variations environnementales et de la nécessité d'une validation dans des contextes réels.
Revue