Les mouvements oculaires comme moyen de dépistage de l’ETCAF

Project Description

Problématique

Les enfants doivent souvent attendre longtemps avant de bénéficier d’une évaluation de l’ETCAF, ce qui signifie qu’ils tardent plus à avoir accès aux différents soutiens. Une équipe dirigée par le Dr James Reynolds (Université Queen’s) travaille au développement d’un outil d’évaluation fondé sur les mouvements oculaires qui pourrait permettre de dépister les enfants atteints de l’ETCAF et leur donner ainsi un accès plus rapide aux interventions.

Résumé du projet

Un dispositif nommé Eyelink 1000 permet de suivre les mouvements oculaires des enfants pendant qu’ils regardent une série de clips vidéo. Les données ainsi stockées servent à entraîner un algorithme de classification fondé sur l’apprentissage automatique (appelé classifieur). Autrement dit, l’algorithme apprend à faire la différence entre des enfants atteints de l’ETCAF et des enfants non atteints en se fondant sur les données collectées par le dispositif de suivi des mouvements oculaires.

Initialement, le classifieur était exact à 79 %, ce qui signifie qu’il était capable d’identifier correctement les enfants atteints de l’ETCAF dans 79 % des cas en se fondant sur les mouvements oculaires effectués lors de trois tâches structurées. L’équipe a également testé le classifieur en combinant des informations provenant d’un autre projet lancé en 2017, dans lequel les données des mouvements oculaires étaient collectées simultanément aux données d’électro-encéphalographies (EEG)

réalisées chez des adultes atteints de l’ETCAF. L’EEG est une technique d’imagerie cérébrale mesurant l’activité électrique du cerveau et pouvant mettre en évidence des différences entre les individus atteints de l’ETCAF et ceux qui ne sont pas touchés par ces troubles.

Après avoir combiné les données des mouvements oculaires avec les données de l’EEG, le classifieur est devenu beaucoup plus précis : il a pu identifier correctement les individus atteints de l’ETCAF dans 88 % des cas, en comparaison à 79 % lorsque seules les données des mouvements oculaires étaient utilisées.

Résultat

L’objectif final du projet est d’affiner le classifieur pour qu’il puisse faire précisément la différence entre les enfants atteints de l’ETCAF et ceux dont le développement est normal, avec une exactitude supérieure à 90 %. L’équipe prévoit également de tester un outil de dépistage dans un contexte communautaire pour démontrer sa portabilité et le fait qu’il peut être utilisé dans un grand nombre d’applications. Bien qu’elle ait initialement été ciblée sur l’ETCAF, la validation de cet outil ouvrira la voie vers l’amélioration du dépistage pour l’ensemble des troubles neurodéveloppementaux.