Characterization of Motor Signatures in Autism Using Interpretable Learning on 3D Motion Data
Cette étude utilise un cadre d'apprentissage automatique interprétable sur des données de capture de mouvement 3D pour démontrer que les tâches émotionnelles et sociales complexes révèlent des signatures motrices corporelles distinctes qui différencient efficacement les individus autistes des contrôles neurotypiques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
L'autisme est une condition qui façonne la manière dont une personne expérimente le monde, rendant souvent l'interaction sociale et la communication semblables à la navigation dans un paysage régi par des règles différentes. Si les médecins se sont longtemps concentrés sur ces défis sociaux et de communication, une partie plus discrète et moins visible du tableau a souvent été négligée : la façon dont les personnes autistes bougent. Pendant des années, les scientifiques ont su que de nombreuses personnes autistes sont confrontées à des difficultés de coordination, d'équilibre et de reproduction des mouvements d'autrui. Cependant, la plupart des recherches ont traité ces mouvements comme de simples tâches mécaniques, comme marcher en ligne droite ou tenir en équilibre sur un pied, les dépouillant du contexte émotionnel et social qui rend le mouvement réel si complexe. La question demeure : comment le cerveau gère-t-il le mouvement lorsqu'il est chargé de sentiments ou de connexion sociale ? Est-ce que la façon de marcher d'une personne autiste change lorsqu'elle essaie de paraître confiante plutôt que triste ? Leur danse est-elle différente lorsqu'elles sont seules par rapport à lorsqu'elles bougent avec un partenaire ? Comprendre ces nuances est crucial car le mouvement n'est pas seulement une question d'aller d'un point A à un point B ; c'est un moyen primaire par lequel les humains expriment leurs émotions et se connectent les uns aux autres.
Une équipe de chercheurs au Portugal s'est donné pour mission de répondre à ces questions en observant le corps entier en mouvement, en utilisant une méthode qui traite le mouvement comme un langage à lire plutôt que comme un simple ensemble de chiffres à compter. Ils ont travaillé avec un groupe de trente-quatre adultes, dont quatorze étaient autistes et vingt étaient neurotypiques, ce qui signifie que leur développement suivait le chemin typique. Ces participants ont été invités à effectuer deux types de tâches dans une pièce remplie de caméras qui traquaient chacun de leurs mouvements en trois dimensions. D'abord, ils ont marché avec des intentions émotionnelles spécifiques : une fois comme s'ils se sentaient confiants et forts, et une fois comme s'ils se sentaient tristes et lourds. Ensuite, ils se sont engagés dans une tâche sociale, dansant d'abord seuls, puis imaginant qu'ils dansaient avec un partenaire. Les chercheurs ne se sont pas contentés de demander aux participants de bouger ; ils leur ont demandé d'incarner un sentiment ou un rôle social, créant ainsi un environnement riche et naturaliste qui imite plus fidèlement la vie réelle qu'un test de laboratoire stérile.
Pour donner un sens aux milliers de points de données générés par ces mouvements, les chercheurs ont utilisé deux types différents de systèmes d'apprentissage informatique. Un système examinait des détails spécifiques et choisis à la main, tels que la vitesse à laquelle un genou se pliait ou la distance parcourue par une épaule. L'autre système, un modèle d'apprentissage profond plus avancé, observait l'ensemble du flux de mouvement comme un flux continu, tentant de trouver des motifs qu'un œil humain pourrait manquer. Crucialement, les chercheurs ne voulaient pas seulement que l'ordinateur devine qui était autiste et qui ne l'était pas ; ils voulaient comprendre pourquoi l'ordinateur faisait ces suppositions. Ils ont utilisé des outils qui agissent comme un projecteur, révélant exactement quelles parties du corps et quels moments de temps étaient les plus importants pour la décision de l'ordinateur. Cette approche leur a permis de voir non seulement qu'une différence existait, mais aussi où et quand cette différence se produisait.
Les résultats ont montré que la capacité à distinguer les deux groupes dépendait fortement de la complexité de la tâche. Lorsque les participants marchaient simplement, l'ordinateur pouvait distinguer les groupes avec une précision modérée, mais à mesure que les tâches devenaient plus exigeantes sur les plans émotionnel et social, les différences devenaient beaucoup plus claires. L'ordinateur réussissait le mieux à identifier les groupes lors des tâches de danse, surtout lorsque les participants imaginaient un partenaire. Cela suggère que plus un mouvement nécessite une expression émotionnelle ou une coordination sociale, plus la « signature motrice » unique d'une personne autiste ressort. Il semble que les défis liés à l'autisme ne soient pas seulement une question de manque de compétence, mais concernent la manière dont le cerveau adapte ses stratégies de mouvement face à des demandes sociales et émotionnelles complexes.
Lorsque les chercheurs ont examiné de près les parties spécifiques du corps qui dictaient ces différences, ils ont découvert un schéma fascinant. Pour les tâches de marche, les signes les plus révélateurs se trouvaient souvent dans le bas du corps, particulièrement au niveau des pieds et des genoux. La façon dont les pieds touchaient le sol et les angles des genoux semblaient détenir un indice constant qui restait stable, qu'il s'agisse de chercher à paraître confiant ou triste. Cependant, à mesure que les tâches devenaient plus expressives, l'histoire changeait. Lors de la marche triste, les différences se déplaçaient vers le haut, le torse et la poitrine devenant plus proéminents. L'ordinateur a remarqué que bien que le trajet du corps dans l'espace puisse sembler similaire, l'ampleur et l'intensité des mouvements dans la partie supérieure du corps étaient différentes. Dans les tâches de danse, la distinction devenait encore plus étendue. En dansant seuls, les bras et les épaules étaient des indicateurs clés. Mais lorsque les participants imaginaient danser avec un partenaire, les différences se répandaient sur tout le corps, de la tête jusqu'aux orteils, suggérant que la coordination sociale nécessite un niveau d'intégration de tout le corps qui révèle des différences plus profondes dans la manière dont le cerveau planifie et exécute le mouvement.
L'une des découvertes les plus frappantes concernait le timing. L'ordinateur a appris que les plus grandes différences entre les deux groupes se produisaient souvent dès le tout début d'un mouvement. Lorsqu'un participant commençait à danser ou changeait sa démarche, la planification initiale et la mise en place du corps révélaient les modèles les plus distincts. À mesure que le mouvement se poursuivait et devenait plus automatique, les différences devenaient parfois moins prononcées. Cela suggère que la difficulté ne réside peut-être pas dans la capacité à continuer de bouger, mais dans l'étape initiale consistant à traduire une intention ou un indice social en une action physique. L'étude a également trouvé que l'ordinateur était capable d'identifier ces modèles de manière constante à travers différents individus, même si le groupe comprenait des personnes d'âges différents et de capacités variées. Cela indique que ces différences de mouvement sont une partie fondamentale de l'expérience autistique, plutôt qu'un simple effet secondaire d'autres facteurs.
La recherche ne suggère pas que les personnes autistes bougent « mal » ou qu'elles manquent de capacité à s'exprimer. Au contraire, elle pointe vers une manière différente d'organiser le mouvement, qui répond aux contextes émotionnels et sociaux d'une façon unique. L'étude conteste l'idée que les différences motrices dans l'autisme soient fixes ou statiques. Elle montre plutôt que ces différences sont fluides, changeant et s'adaptant selon que la personne est seule ou avec d'autres, et qu'elle exprime de la confiance ou de la tristesse. En utilisant des outils informatiques avancés pour écouter le langage du corps, les chercheurs ont mis au jour une couche de communication qui est restée longtemps cachée. Ils ont découvert que le corps détient une signature de l'esprit, une signature qui devient plus visible lorsque nous lui demandons de faire quelque chose de complexe et de significatif. Ce travail ouvre une nouvelle porte vers la compréhension de l'autisme, suggérant qu'en observant comment les gens bougent dans des contextes réels, nous pouvons acquérir une compréhension plus profonde et plus compatissante de la façon dont ils expérimentent le monde.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.