Diagnostic Prediction of Attention-Deficit/Hyperactivity Disorder in Children Using AULA: A Virtual Reality-Based Continuous Performance Task

Le diagnostic du trouble du déficit de l'attention avec ou sans hyperactivité, ou TDAH, repose depuis longtemps sur un mélange de questionnaires remplis par les parents et les enseignants, ainsi que sur des tests standardisés qui demandent aux enfants de se concentrer sur des tâches simples dans une pièce calme. Bien que ces méthodes soient bien établies, elles peinent souvent à capturer la réalité désordonnée du fonctionnement réel de l'attention d'un enfant. Dans une salle de classe typique, un élève doit ignorer le bruissement des papiers, le chuchotement d'un voisin et le mouvement des personnes qui passent, tout en essayant d'écouter un enseignant. Les tests traditionnels recréent rarement cette complexité, ce qui rend difficile l'observation de la manière dont le cerveau d'un enfant gère la sollicitation constante des distractions. De plus, les symptômes du TDAH peuvent varier considérablement d'un enfant à l'autre, et la condition est souvent définie par la fréquence à laquelle l'attention de l'enfant vacille d'un moment à l'autre, plutôt que par un simple score à un test.

Pour combler le fossé entre la salle de test calme et la salle de classe bruyante, les chercheurs se sont tournés vers la réalité virtuelle. Cette technologie permet aux scientifiques de construire des environnements immersifs en trois dimensions qui semblent réels pour la personne portant le casque, tout en restant parfaitement contrôlés et mesurables. En plaçant un enfant dans une classe simulée remplie de distractions réalistes, les chercheurs peuvent observer précisément comment son attention tient bon lorsque la pression est forte. Cette approche offre un moyen de mesurer le comportement avec un niveau de détail auparavant impossible, capturant non seulement si un enfant a donné une bonne ou une mauvaise réponse, mais aussi comment son corps bougeait, combien de temps il a mis pour réagir et comment sa concentration a évolé à mesure que l'environnement changeait.

Une étude récente menée par Fidel Rebón-Ortiz et Irene Alice Chicchi Giglioli, travaillant avec l'organisation Giunti Nesplora, a mis cette idée à l'épreuve en utilisant un outil de réalité virtuelle spécifique appelé AULA. Les chercheurs voulaient voir s'ils pouvaient utiliser cet environnement immersif, combiné à des algorithmes informatiques avancés, pour distinguer les enfants atteints de TDAH de ceux qui ne le sont pas. Ils ont recruté un groupe de 352 enfants et adolescents, âgés de 6 à 16 ans, en assurant un nombre égal de participants dans les deux groupes. Chaque enfant de l'étude avait une vision et une audition normales ou corrigées pour être normales, et le groupe atteint de TDAH avait reçu un diagnostic clinique formel basé sur les critères médicaux standards.

Les enfants ont mis un casque de réalité virtuelle et sont entrés dans une classe numérique. À l'intérieur de cette simulation, on leur a demandé d'effectuer des tâches imitant le travail scolaire réel, comme prêter attention à un enseignant virtuel tout en ignorant des distractions comme un camarade passant un mot ou chuchotant. Le système a enregistré une vaste quantité de données pendant que les enfants travaillaient, traçant tout, de leurs temps de réaction aux petits mouvements de leur tête et de leurs mains. Les chercheurs étaient particulièrement intéressés par la manière dont les enfants performaient lorsque des distractions étaient présentes par rapport à lorsque l'environnement était calme. Ils cherchaient des modèles dans les données qui pourraient révéler la signature unique du TDAH, comme la variabilité du temps de réaction d'un enfant d'un moment à l'autre, ou la fréquence de ses erreurs lorsqu'il tentait d'ignorer une distraction.

Après avoir recueilli ce flux riche d'informations, l'équipe a utilisé un processus appelé apprentissage automatique (machine learning) pour trouver les indices les plus importants. Au lieu de regarder un ou deux chiffres seulement, l'ordinateur a analysé des dizées de mesures différentes pour voir lesquelles séparaient le mieux les deux groupes. Les chercheurs ont découvert que les signes les plus révélateurs n'étaient pas seulement liés à la rapidité de réponse d'un enfant, mais à sa constance. Les enfants atteints de TDAH présentaient une instabilité beaucoup plus grande dans leurs temps de réaction, surtout lorsqu'ils essayaient d'ignorer les distractions. Ils commettaient également de manière significative plus d'erreurs de deux types spécifiques : ils manquaient des cibles qu'ils étaient censés atteindre, et ils appuyaient sur des boutons alors qu'ils auraient dû rester immobiles, particulièrement lorsque la classe virtuelle était pleine de bruit et de mouvement.

L'étude a identifié 14 variables clés qui étaient les plus utiles pour faire une prédiction. Celles-ci comprenaient des mesures de la fluctuation du temps de réaction d'un enfant, le nombre d'erreurs commises en présence de distractions, et la distance de dérive de l'attention par rapport à la tâche en cours. Lorsque les chercheurs ont injecté ces variables spécifiques dans plusieurs modèles informatiques différents, les résultats ont été frappants. Les modèles ont été capables de classifier les enfants avec un degré d'exactitude très élevé, identifiant correctement le groupe auquel appartient l'enfant dans plus de 93 pour cent des cas. Les modèles les plus performants ont pu distinguer les deux groupes avec un niveau de précision qui dépasse largement ce que l'on observe habituellement avec les méthodes de test traditionnelles.

L'une des découvertes les plus importantes fut que la présence de distractions faisait une énorme différence. Les variables les plus pertinentes étaient celles mesurées lorsque les enfants essayaient de se concentrer dans un environnement bruyant et agité. Cela soutient la théorie selon laquelle le TDAH n'est pas seulement un trait statique, mais une condition où la capacité d'une personne à se concentrer est fortement influencée par son environnement. Lorsque l'environnement est simple et calme, un enfant atteint de TDAH peut avoir des performances similaires à celles de ses pairs, mais lorsque la charge cognitive augmente et que les distractions apparaissent, son attention devient instable et sa capacité à contrôler ses impulsions faiblit. L'étude a montré que l'environnement de réalité virtuelle était capable de déclencher ces difficultés spécifiques, permettant à l'ordinateur de voir clairement le problème.

Les chercheurs ont également noté que les modèles informatiques étaient capables de déceler des motifs subtils qu'un observateur humain pourrait manquer. Par exemple, les modèles ont trouvé que la façon dont un enfant bougeait son corps dans l'espace virtuel était liée à son attention. Dans certains cas, l'agitation physique d'un enfant semblait interagir avec sa capacité à rester concentré de manières qui n'étaient pas évidentes au premier abord. En combinant les données du test de réalité virtuelle avec ces techniques informatiques avancées, l'étude a démontré qu'il est possible de créer un portrait beaucoup plus précis et objectif de la santé attentionnelle d'un enfant.

Bien que les résultats soient prometteurs, les auteurs précisent avec prudence qu'il s'agit d'une étape dans un voyage plus long. L'étude a utilisé un groupe spécifique d'enfants et n'incluait pas toutes les variations possibles du TDAH ou d'autres conditions qui surviennent souvent de manière concomitante. Les modèles informatiques utilisés dans l'étude sont complexes, et les chercheurs reconnaissent que les médecins devront comprendre comment ces modèles parviennent à leurs conclusions avant qu'ils ne puissent être utilisés largement en clinique. Cependant, ce travail fournit une preuve solide que placer les enfants dans des environnements réalistes et distrayants, et mesurer leurs réactions avec une haute précision, peut révéler les défis fondamentaux du TDAH d'une manière que les tests traditionnels ne peuvent pas faire.

En fin de compte, cette recherche suggère une nouvelle voie pour le diagnostic. En s'éloignant des rapports subjectifs et des tests simples, pour tendre vers des environnements immersifs riches en données, les cliniciens pourraient bientôt disposer d'outils capables de voir la véritable nature de l'attention d'un enfant. L'étude montre que lorsque nous recréons les défis du monde réel d'une salle de classe, les différences entre les enfants atteints de TDAH et ceux qui ne le sont pas deviennent claires et mesurables. Cette approche ne fait pas qu'améliorer la précision d'un diagnostic ; elle offre une compréhension plus profonde de la manière dont l'attention fonctionne, de la façon dont elle se dégrade sous la pression, et de la manière dont elle peut être soutenue dans le monde complexe et bruyant dans lequel les enfants vivent réellement.