Large-Scale Assessment of Language, Speech, and Movement in Autism and ADHD with AI

Cette étude démontre que l'analyse automatisée à grande échelle des comportements langagiers, vocaux et moteurs lors d'entretiens cliniques permet de distinguer les signatures spécifiques de l'autisme et du TDAH, en séparant les effets de ces troubles souvent co-occurrents.

L'essentiel

🎬 Le Grand Défi : Distinguer les Twins (Jumeaux) de l'Autisme et du TDAH

Imaginez que l'Autisme (TSA) et le Trouble du Déficit de l'Attention avec ou sans Hyperactivité (TDAH) sont comme deux jumeaux qui se ressemblent beaucoup. Ils partagent souvent les mêmes vêtements (symptômes qui se chevauchent), et il est très difficile pour les médecins de savoir exactement qui est qui, surtout quand les deux conditions sont présentes en même temps.

Les chercheurs de cette étude ont eu une idée géniale : au lieu de demander aux médecins de regarder les enfants avec leurs yeux, ils ont demandé à une intelligence artificielle (IA) de les "écouter" et de les "observer" comme un détective numérique.

Ils ont analysé 2 341 interviews (des conversations vidéo) d'enfants et d'adolescents. Après avoir regardé un court film émouvant sur un chien à trois pattes, les enfants devaient raconter l'histoire et répondre à des questions. L'IA a ensuite décortiqué chaque seconde de ces vidéos.

Voici ce qu'ils ont découvert, en utilisant des analogies simples :

---

1. 🗣️ La Langue : Ce n'est pas la faute du TDAH !

L'analogie : Imaginez que le langage est comme une rivière. Plus l'enfant est grand (plus la rivière coule depuis longtemps), plus elle est large et profonde.

• Ce qu'on pensait avant : On croyait que les enfants TDAH avaient du mal à parler ou à construire des phrases parce que leur cerveau "défaut" de l'attention.
• Ce que l'IA a révélé : En réalité, la qualité de la langue dépend presque uniquement de l'âge et de l'intelligence (QI).
  • Les enfants plus âgés parlent plus et mieux, tout simplement parce qu'ils ont grandi.
  • Si un enfant TDAH semble avoir du mal à parler, ce n'est pas à cause du TDAH lui-même, mais souvent parce qu'il est plus jeune, a un QI différent, ou parce qu'il a aussi de l'autisme.
  • La seule exception : Les enfants autistes utilisent beaucoup plus de mots comme "je", "moi", "mon". C'est comme s'ils étaient dans leur propre bulle, même quand ils parlent aux autres.

2. 🧠 L'Histoire et l'Empathie : Le Super-Pouvoir Manquant

L'analogie : Imaginez que raconter une histoire, c'est comme assembler un puzzle.

• Pour les enfants TDAH : Ils ont toutes les pièces du puzzle (ils connaissent les faits), mais ils peuvent les mettre dans le désordre parce qu'ils sont distraits. Mais le fond de l'histoire est là.
• Pour les enfants Autistes : C'est différent. Ils ne voient pas le "tableau complet".
  • Dans l'étude, on a demandé aux enfants : "Pourquoi le garçon et le chien sont-ils semblables ?" (Réponse attendue : "Ils ont tous les deux une patte manquante").
  • Les enfants autistes avaient du mal à faire ce lien. Ils voyaient les détails (le chien, le garçon), mais ils ne voyaient pas la magie du lien entre les deux. C'est comme essayer de comprendre une blague sans en saisir la chute.
  • Ils racontent aussi des histoires de manière très personnelle, parfois étrange pour les autres, comme si leur cerveau utilisait un code secret.

3. 🎤 La Voix : Une Signature Acoustique Unique

L'analogie : La voix est comme un instrument de musique.

• Les enfants Autistes : Leur "instrument" a un son très particulier. L'IA a détecté qu'ils parlaient avec une voix plus aiguë (plus grave), plus forte, et avec plus de variations (comme un chanteur qui change tout le temps de note). C'est comme si leur voix avait un "timbre" unique, un peu comme une cloche qui sonne différemment.
• Les enfants TDAH : Leur voix est normale. Elle ne change pas de façon spécifique à cause du TDAH.

4. 🏃‍♂️ Le Mouvement : Le Moteur qui Dérape

L'analogie : Imaginez un moteur de voiture.

• Les enfants TDAH (Hyperactifs) : Leur moteur tourne à 10 000 tours/minute ! L'IA a vu qu'ils bougent beaucoup plus : ils remuent la tête, les yeux, le corps, le visage. C'est un mouvement global, comme un moteur qui ne peut pas rester à l'arrêt.
• Les enfants Autistes : Contrairement à ce qu'on pensait, ils ne bougent pas plus que les autres dans ce type d'interview. Leurs mouvements sont normaux.
• Les enfants TDAH (Inattentifs) : Eux aussi bougent normalement. C'est seulement la version "Hyperactive" qui a ce moteur qui s'emballe.

---

🏆 Le Grand Verdict de l'IA

Cette étude est comme un triage médical de haute technologie. Elle nous dit :

1. Ne blâmez pas le TDAH pour les problèmes de langage. Si un enfant a du mal à parler, c'est souvent à cause de son âge ou de l'autisme, pas du TDAH.
2. L'Autisme, c'est le "code social". Le vrai signe distinctif de l'autisme n'est pas de ne pas savoir parler, mais de ne pas comprendre les liens invisibles entre les gens et les histoires (l'empathie, la théorie de l'esprit).
3. Le TDAH Hyperactif, c'est le "moteur". Le signe distinctif est le mouvement physique constant.
4. L'IA est un super-détective. En regardant simplement une vidéo de 5 minutes, elle peut séparer ces deux conditions qui se ressemblent tant, en mesurant des choses que l'œil humain ne voit pas toujours (comme la hauteur exacte de la voix ou la micro-mouvement d'un doigt).

En résumé : Cette recherche nous aide à arrêter de mélanger les cartes. Grâce à l'IA, nous pouvons maintenant voir que l'autisme et le TDAH ont des signatures très différentes, comme deux empreintes digitales uniques, même si elles appartiennent à la même famille. Cela permettra de mieux diagnostiquer et d'aider chaque enfant avec les bons outils.

Résumé technique

1. Problématique et Contexte

Les troubles du spectre autistique (TSA) et le trouble déficitaire de l'attention avec ou sans hyperactivité (TDAH) sont des conditions neurodéveloppementales fréquentes qui coexistent souvent (comorbidité élevée). Leurs symptômes se chevauchent, rendant le diagnostic différentiel complexe. Les évaluations cliniques actuelles reposent sur l'observation subjective et les rapports, ce qui peut introduire des biais et manquer de précision pour distinguer les traits spécifiques de chaque trouble.

L'objectif principal de cette étude est de déterminer si une analyse comportementale automatisée basée sur l'intelligence artificielle (IA), appliquée à des entretiens cliniques naturels, peut identifier des caractéristiques objectives distinctes pour le TSA et le TDAH, en démêlant les effets de la comorbidité, de l'âge et des capacités cognitives.

2. Méthodologie

Cohorte et Données

• Échantillon : L'étude a analysé des enregistrements vidéo et audio de 2 341 jeunes (âgés de 5 à 22 ans) issus de la cohorte Healthy Brain Network (HBN).
• Profil diagnostique : La cohorte comprend des participants avec des diagnostics confirmés de TDAH (inattentif, hyperactif-impulsif, combiné), de TSA, de comorbidité TSA+TDAH, d'autres diagnostics cliniques, et des témoins au développement typique.
• Tâche comportementale : Les participants ont regardé un court film d'animation émouvant ("The Present") puis ont participé à un entretien semi-structuré avec un clinicien. Ils devaient raconter l'histoire, répondre à des questions sur la mémoire factuelle, l'interprétation émotionnelle et la prise de perspective (Théorie de l'Esprit).

Pipeline d'Analyse par IA

Les chercheurs ont utilisé des outils computationnels de pointe pour extraire des métriques quantitatives objectives à partir des enregistrements :

1. Transcription et Diarisation : Utilisation du modèle WhisperX pour la transcription et d'un Grand Modèle de Langage (LLM, Gemini) pour séparer la parole du clinicien de celle du participant (taux d'erreur très faible).
2. Langage et Sémantique :
   • Extraction de métriques structurelles (diversité lexicale, débit, cohérence).
   • Analyse sémantique via des embeddings textuels (modèle Gecko) pour comparer les réponses des participants à celles d'un groupe témoin apparié par âge, générant un score de « typicité » pour la narration et la compréhension.
3. Prosodie Vocale : Extraction de caractéristiques acoustiques (pitch, intensité, variabilité, dysphonie, respiration) via l'outil OpenWillis et Parselmouth.
4. Mouvement : Utilisation de la vision par ordinateur (MediaPipe Holistic) pour suivre les points de repère faciaux et corporels et quantifier les déplacements (mouvements de la tête, du corps, des yeux, de la bouche).

Modélisation Statistique

Une approche de régression linéaire multivariée a été employée pour isoler les effets uniques de chaque diagnostic (TSA, TDAH-inattentif, TDAH-hyperactif) tout en contrôlant strictement les covariables démographiques et développementales : Âge, Sexe et QI. Contrairement aux approches précédentes traitant la comorbidité comme une catégorie distincte, cette étude modélise les dimensions cliniques comme des facteurs additifs indépendants.

3. Résultats Clés

A. Langage : Le développement prime sur le diagnostic

• Langage structurel : Les difficultés de langage souvent attribuées au TDAH (comme la diversité lexicale réduite) s'expliquent principalement par l'âge et le QI, et non par le diagnostic de TDAH lui-même. Une fois ces facteurs contrôlés, le langage conversationnel structurel des enfants TDAH apparaît intact.
• Spécificité TSA : Le seul marqueur linguistique structurel significatif pour le TSA est une augmentation de l'usage de la première personne (référentialité de soi), reflétant une asynchronie entre le développement linguistique et social.

B. Cognition Sociale et Narratif : Signature unique du TSA

• TSA : Les participants avec TSA produisent des récits moins typiques, manquent la compréhension des thèmes centraux (ex: la similarité entre le garçon et le chiot tous deux amputés d'une patte) et fournissent des descriptions émotionnelles idiosyncrasiques. Ils montrent également des déficits dans la prise de perspective (Théorie de l'Esprit).
• TDAH : Aucune association significative n'a été trouvée entre le TDAH (inattentif ou hyperactif) et les déficits de narration ou de prise de perspective une fois l'âge et le TSA contrôlés. Cela suggère que les difficultés narratives rapportées précédemment pour le TDAH pourraient être dues à des facteurs développementaux ou à une comorbidité non détectée.

C. Prosodie Vocale : Profil acoustique distinct du TSA

• Le TSA est associé à un profil vocal spécifique : pitch moyen plus élevé, variabilité du pitch accrue, intensité vocale plus forte, ainsi qu'une augmentation de la dysphonie et de la respiration (breathiness).
• Spécificité : Aucun de ces marqueurs vocaux n'était associé au TDAH, validant la spécificité de ces traits pour l'autisme.

D. Mouvement : Marqueur spécifique de l'hyperactivité

• TDAH-Hyperactif : Une activité motrice accrue (mouvements de la tête, du corps et du visage) est fortement associée au statut TDAH-Hyperactif.
• Absence de lien avec le TSA : Contrairement aux attentes, les mesures cinématiques globales ne montraient pas de différence significative pour le TSA ou le TDAH-inattentif par rapport aux témoins. Cela suggère que les mouvements stéréotypés de l'autisme ne sont pas capturés par des mesures de déplacement global, mais nécessitent une classification plus granulaire.

4. Contributions et Significativité

• Démêler les diagnostics : L'étude démontre que l'analyse numérique à grande échelle permet de séparer les effets du TSA et du TDAH, qui sont souvent confondus. Elle montre que les déficits de langage du TDAH sont en grande partie des artefacts de l'âge et du QI, tandis que le TSA se caractérise par des déficits spécifiques de haut niveau (sémantique, prosodie, narration).
• Validation des biomarqueurs numériques : Les résultats valident l'utilisation de l'IA pour extraire des biomarqueurs objectifs (prosodie, mouvement, sémantique) qui corrèlent avec les instruments cliniques mais offrent une spécificité de présentation supérieure.
• Approche dimensionnelle : En traitant les diagnostics comme des dimensions continues et indépendantes plutôt que comme des catégories mutuellement exclusives, l'étude propose un cadre plus nuancé pour comprendre la phénotypie comportementale.
• Évolutivité : La méthode utilise des entretiens cliniques standardisés courts, rendant le dépistage et l'évaluation potentiellement évolutifs et moins coûteux que les évaluations traditionnelles.

Conclusion

Cette recherche établit que l'analyse automatisée des interactions cliniques naturelles peut identifier des « signatures comportementales » distinctes pour le TSA et le TDAH. Elle remet en question l'attribution automatique de déficits linguistiques au TDAH, les attribuant plutôt au développement, tout en confirmant que le TSA possède des marqueurs uniques dans la narration, la prosodie et la cognition sociale, et que l'hyperactivité motrice est le marqueur central du TDAH hyperactif. Ces outils ouvrent la voie à des diagnostics plus précis et personnalisés.