Analyse des interactions Adulte-Enfant pour la mesure objective des troubles du neurodéveloppement – AIMANT

L’évaluation objective des interactions adulte-enfant reste une tâche complexe mais essentielle, notamment pour les pédopsychiatres chargés du suivi du développement neurodéveloppemental. Cela est particulièrement crucial dans le cas des enfants atteints de troubles du spectre autistique (TSA), pour lesquels un diagnostic précoce et précis peut significativement améliorer les trajectoires de développement. Plus le trouble est identifié tôt, plus les interventions peuvent soutenir efficacement le développement cognitif et les compétences sociales. Or, les méthodes actuelles sont longues, subjectives et difficiles à généraliser, nécessitant une observation prolongée par des experts. Cela entraîne des retards de diagnostic et limite l’accès à un accompagnement précoce et au suivi.

Ce projet vise à surmonter ces limites en développant des algorithmes de vision par ordinateur et d’apprentissage profond capables d’automatiser le codage comportemental, rendant le diagnostic du TSA plus rapide, objectif et évolutif. Ces outils permettront d’estimer les scores de sévérité et d’identifier des marqueurs comportementaux clés, facilitant le dépistage et le suivi du développement des enfants. Malgré les progrès en reconnaissance d’activités et de comportements non verbaux, les algorithmes actuels peinent à traiter les interactions adulte-enfant captées dans des conditions naturelles, telles que celles des sessions ADOS — la référence clinique. Les défis viennent de la complexité des comportements à détecter : signaux d’attention (regard, pointage), micro-expressions, et stéréotypies motrices.

Pour cela, le projet s’appuiera sur la base ACTIVIS, une collection audiovisuelle à large échelle annotée par des cliniciens pendant des sessions ADOS. Elle comprend plus de 180 sessions avec 160 enfants âgés de 6 à 14 ans, réalisant différentes tâches développementales, annotées selon des protocoles standardisés. Un objectif central est d’entraîner des modèles d’IA à automatiser ce codage comportemental et le profilage du TSA.

En parallèle, le projet collectera une base longitudinale (BabySmile) sur les interactions parent-enfant entre 3 et 18 mois, afin d’explorer les marqueurs précoces de développement. Des études montrent que des comportements comme les premiers sourires ou l’attention conjointe sont potentiellement prédictifs, mais leur progression reste mal comprise. Grâce à la vision par ordinateur et aux annotations cliniques, ce corpus permettra d’analyser ces comportements précoces et leur lien avec un diagnostic futur.

Les objectifs principaux du projet sont :
(A) Méthodes. Développer des techniques d’IA avancées pour : (i) exploiter des signaux multimodaux (vidéo, audio, profondeur) ; (ii) détecter des comportements subtils ; (iii) apprendre à partir de peu de données annotées grâce à des méthodes d’adaptation efficaces ; (iv) fusionner des représentations à différents niveaux ; (v) assurer robustesse et généralisation en contexte clinique réel.
(B) Jeux de données. Étendre le jeu ACTIVIS (annotations comportementales et anonymisation éthique) ; collecter BabySmile pour la recherche sur le développement précoce.
(C) Évaluation. Développer des interfaces visuelles interactives permettant aux cliniciens d’explorer les vidéos, les prédictions comportementales et les profils TSA. Ces outils permettront un retour d'information pour affiner les annotations et améliorer les modèles.

En relevant ces défis scientifiques et cliniques, le projet vise à combler le fossé entre l’analyse comportementale automatisée et l’évaluation du TSA. Le consortium réunit des expertises complémentaires : UniCA pour l’expertise clinique et le diagnostic du TSA ; Inria pour l’analyse des gestes et de l’activité ; Idiap pour la modélisation des comportements non verbaux ; et LIRIS pour la reconnaissance des émotions et des actions. Cette collaboration pluridisciplinaire garantit la bonne réalisation du projet.