Utiliser le machine learning pour permettre un dépistage dès la naissance du trouble du spectre de l’autisme et à terme offrir à ces bébés une prise en charge la plus précoce possible, c’est le projet sur lequel a travaillé une équipe, composée de médecins et chercheurs de Limoges (CHU et Université), de Marseille et de Paris. Ils viennent de publier les travaux de leur étude AUT ANT dans Scientific Reports.
Les Troubles du Spectre de L’autisme (TSAs)
Ils se manifestent par des troubles de la socialisation, de la communication, des intérêts restreints et des comportements répétitifs et stéréotypés. Le diagnostic est obtenu entre 3 et 5 ans. Or, un diagnostic précoce permet d’atténuer la sévérité des séquelles et de mieux intégrer l’enfant dans son milieu social à l’aide de techniques psycho‐éducatives.
Sachant que les TSAs apparaissent in utéro, l’étude AUT ANT a évalué l’hypothèse qu’une analyse des paramètres de la maternité pourrait permettre, dès la naissance, d’évaluer le risque d’un pronostic de TSA.
L’étude AUT ANT
Cette étude préliminaire qui a duré 3 ans, a recueilli les données du suivi, depuis le début de la grossesse jusqu’à la naissance, de 65 enfants ayant reçu un diagnostic de TSA. Toutes les données sont issues du CHU de Limoges pour des enfants nés à l’hôpital de la mère et de l’enfant et diagnostiqués par le Centre expert autisme (dont l’activité a été reprise par le Centre Ressources Autisme Limousin en 2019).
Au total, 120 paramètres par grossesse (antécédents familiaux des parents, échographies obstétricales, test HT21, conditions d’accouchement, premiers jour de la vie…) ont été analysés grâce à un programme, de type « machine learning », développé par l’équipe de recherche. Il s’agit d’une technologie d’intelligence artificielle, permettant aux ordinateurs d’effectuer des analyses prédictives, à partir de données. Ces données ont été comparées à celles de 240 naissances dans la même maternité, qui n’ont pas eu ce diagnostic de TSA.
Le programme a permis d’analyser toutes les données sans aucun a priori et de déterminer l’impact de chacun des paramètres sur le pronostic final. L’équipe de chercheurs a démontré qu’il est possible d’identifier, grâce à ce programme d’intelligence artificielle, 95 % des bébés qui ne seront pas diagnostiqués plus tard avec des TSAs et 1 enfant sur 3 qui le sera, mais avec une précision de 75 %.
Cette avancée est en phase avec les recommandations des autorités insistant sur l’importance de la détection précoce des bébés/enfants à risque et leur prise en charge avec des techniques psychoéducatives adaptées.
Prochaine étape : élargir l’étude pour conforter les résultats
Pour autant, il s’agit d’un pronostic, et non d’un diagnostic et sa fiabilité nécessite d’être consolidée par des estimations sur des centaines de bébés.
Cette première étude n’est donc qu’une étape. L’objectif de l’équipe est désormais de l’élargir à plusieurs maternités françaises et étrangères sur un nombre plus élevé de nouveau‐nés. Puis, si les premiers résultats sont confirmés, de faire une vaste étude prospective afin de préciser le pronostic et de mieux déterminer les paramètres qui le favorisent.
Si ces données étaient confirmées par les prochaines études, cela ouvrirait la voie à des prises en charge préférentielle des bébés à risque et une identification précoce qui est un des buts majeurs des programmes de protection et de traitement des TSAs.
L’équipe du projet AUT ANT
- Gynecology-Obstetrics Department, Mère-Enfant Hospital, University Hospital Center, Limoges, France : Hugues Caly, Perrine Coste-Mazeau, Jean-Luc Eyraud & Catherine Caly
- BABiomedical, Luminy Scientific Campus, Marseille, France : Hamed Rabiei & Yehezkel Ben-Ari
- Neurochlore, Luminy Scientific Campus, Marseille, France : Hamed Rabiei & Yehezkel Ben-Ari
- Bacteriology-Virology-Hygiene Department, University Hospital Center, Limoges, France : Sebastien Hantz & Sophie Alain
- French National Reference Center for Herpes Viruses, University Hospital Center, Limoges, France : Sebastien Hantz & Sophie Alain
- Department of Biochemistry and Molecular Genetics, Dupuytren University Hospital, Limoges, France : Thierry Chianea
- INRAE, UMR MIA 518, INRA AgroParisTech Université Paris-Saclay, Paris, France : David Makowski
- Martinos Center for Biomedical Imaging, Harvard Medical School, Boston, USA : Nouchine Hadjikhani
- Gillberg Neuropsychiatry Center, Sahlgrenska Academy, Gothenburg University, Gothenburg, Sweden : Nouchine Hadjikhani
- Autism Expert Center and Autism Resource Center of Limousin, University Hospital Center, Limoges, France : Eric Lemonnier
