Prédiction précoce du risque d'autisme par apprentissage automatique à l'aide d'indicateurs cliniques et comportementauxMachine Learning–Based Early Autism Risk Prediction Using Clinical and Behavioral Indicators
- Un classifieur Random Forest a atteint une performance ROC-AUC élevée pour la classification du risque de TSA en trois catégories.
- Les caractéristiques les plus influentes incluent l'épilepsie, l'anxiété et les conditions congénitales.
- L'interface interactive génère une probabilité de risque et des recommandations personnalisées.
L'article présente un outil de dépistage précoce par apprentissage automatique avec des performances solides, mais les limites méthodologiques et l'absence de validation externe réduisent la pertinence immédiate pour la pratique clinique. Il reste utile pour la veille sur les innovations technologiques en neurodéveloppement.
Les données utilisées ne sont pas décrites en détail (taille, provenance, biais potentiels). La validation externe sur des populations diverses n'est pas rapportée. L'outil n'a pas été comparé à d'autres méthodes de dépistage standardisées.
Cette étude propose un cadre basé sur l'apprentissage automatique pour estimer le niveau de risque de trouble du spectre autistique (TSA) à partir de données cliniques et comportementales (épilepsie, anxiété, conditions congénitales, facteurs développementaux). Un classifieur Random Forest a atteint une performance ROC-AUC élevée pour classer les risques faible, modéré et élevé. L'outil intègre une interface interactive de dépistage fournissant des recommandations préventives. Il vise à soutenir les aidants, éducateurs et cliniciens dans l'orientation précoce vers un bilan.
Un classifieur Random Forest a atteint une performance ROC-AUC élevée pour la classification du risque de TSA en trois catégories. Les caractéristiques les plus influentes incluent l'épilepsie, l'anxiété et les conditions congénitales. L'interface interactive génère une probabilité de risque et des recommandations personnalisées. L'outil est conçu pour être accessible aux non-spécialistes et faciliter un dépistage précoce.
Permet aux cliniciens de disposer d'un outil d'aide à la décision pour orienter les enfants vers un diagnostic précoce. Peut être utilisé en première ligne par les pédiatres et les éducateurs pour identifier les enfants à risque. Les recommandations préventives intégrées peuvent guider les interventions précoces.
Modéré