L’apprentissage automatique prédit les troubles des conduites chez les enfants – Neuroscience News

Résumé: Un nouvel algorithme d’IA évalue les facteurs de risque dans trois domaines pour prédire le risque que les enfants développent des troubles des conduites avec un haut degré de précision.

La source: Elsevier

Le trouble des conduites (TC) est un trouble psychiatrique courant mais complexe caractérisé par un comportement agressif et destructeur. Les facteurs contribuant au développement de la MC couvrent les domaines biologiques, psychologiques et sociaux.

Les chercheurs ont identifié une myriade de facteurs de risque qui pourraient aider à prédire la MC, mais ils sont souvent considérés isolément.

Maintenant, une nouvelle étude utilise pour la première fois une approche d’apprentissage automatique pour évaluer les facteurs de risque dans les trois domaines en combinaison et prédire le développement ultérieur du CD avec une grande précision.

L’étude paraît dansPsychiatrie biologique : neurosciences cognitives et neuroimagerieédité par Elsevier.

Les chercheurs ont utilisé les données de base de plus de 2 300 enfants âgés de 9 à 10 ans inscrits à l’étude sur le développement cognitif du cerveau de l’adolescent (ABCD), une étude longitudinale suivant le développement biopsychosocial des enfants.

Les chercheurs ont formé leur modèle d’apprentissage automatique en utilisant des facteurs de risque précédemment identifiés dans plusieurs domaines biopsychosociaux. Par exemple, les mesures comprenaient l’imagerie cérébrale (biologique), les capacités cognitives (psychologiques) et les caractéristiques familiales (sociales).

Le modèle a correctement prédit le développement du CD deux ans plus tard avec une précision de plus de 90 %.

Cameron Carter, MD, rédacteur en chef de Psychiatrie biologique : neurosciences cognitives et neuroimageriea déclaré à propos de l’étude : Ces résultats frappants utilisant l’IRM fonctionnelle basée sur les tâches pour étudier la fonction du système de récompense suggèrent que le risque de dépression ultérieure chez les enfants de mères déprimées peut dépendre davantage des réponses des mères au comportement émotionnel de leurs enfants que de l’humeur de la mère. en soi.

La capacité de prédire avec précision qui pourrait développer une MC aiderait les chercheurs et les travailleurs de la santé à concevoir des interventions pour les jeunes à risque susceptibles de minimiser, voire de prévenir, les effets nocifs de la MC sur les enfants et leurs familles.

Les résultats de notre étude mettent en évidence la valeur ajoutée de la combinaison de facteurs neuraux, sociaux et psychologiques pour prédire le trouble des conduites, un problème psychiatrique pesant chez les jeunes, a déclaré l’auteur principal Arielle Baskin-Sommers, PhD à l’Université de Yale, New Haven, CT, USA.

Ces résultats sont prometteurs pour le développement d’approches d’identification et d’intervention plus précises qui tiennent compte des multiples facteurs qui contribuent à ce trouble. Ils soulignent également l’utilité de tirer parti de grands ensembles de données en libre accès, tels que ABCD, qui collectent des mesures sur l’individu à travers les niveaux d’analyse.

À propos de cette actualité sur la recherche en IA

Auteur: Rhiannon Bugno
La source: Elsevier
Contacter: Rhiannon Bugno – Elsevier
Image: L’image est dans le domaine public

Recherche originale : Accès fermé.
« Classification du trouble des conduites à l’aide d’un modèle biopsychosocial et d’une méthode d’apprentissage automatique » par LenaChan et al. Psychiatrie Biologique Neuroscience Cognitive et Neuroimagerie

Abstrait

Voir également

Classification du trouble des conduites à l’aide d’un modèle biopsychosocial et d’une méthode d’apprentissage automatique

Arrière-plan

Le trouble des conduites (TC) est un syndrome courant aux effets considérables. Les facteurs de risque pour le développement de la MC couvrent les domaines sociaux, psychologiques et biologiques. Les chercheurs notent que les modèles prédictifs de MC sont limités si l’accent est mis sur un seul facteur de risque ou, même, sur un seul domaine. Les méthodes d’apprentissage automatique sont optimisées pour l’extraction de tendances à travers des données multi-domaines, mais doivent encore être mises en œuvre pour prédire le développement du CD.

Méthodes

Les facteurs de risque sociaux (p. ex., famille, revenu), psychologiques (p. ex., psychiatriques, neuropsychologiques) et biologiques (p. ex., mesures du graphique de l’état de repos) ont été mesurés à l’aide des données de la visite de référence de l’Adolescent Brain Cognitive Development.^SM Étude lorsque les jeunes avaient 9-10 ans (n = 2 368). En appliquant une méthode d’apprentissage automatique par réseau neuronal à réaction, les facteurs de risque ont été utilisés pour prédire les diagnostics de MC deux ans plus tard.

Résultats

Un modèle avec des facteurs incluant des domaines sociaux, psychologiques et biologiques a surpassé les modèles représentant des facteurs dans n’importe quel domaine, prédisant la présence d’un diagnostic de MC avec une précision de 91,18 %. Au sein de chaque domaine, certains facteurs se sont démarqués quant à leur relation avec le CD (social: moins de surveillance parentale, plus d’agressivité dans le ménage, moins de revenus ; psychologique: plus grands symptômes de TDAH et ODD, moins bonne cognition cristallisée et performance de tri des cartes ; biologique: perturbations de la topologie des réseaux sous-corticaux et frontopariétaux).

conclusion

Le développement d’un modèle prédictif précis, sensible et spécifique de la MC a le potentiel de contribuer aux efforts de prévention et d’intervention. Les principaux facteurs de risque de MC semblent mieux caractérisés comme reflétant des contextes externes et internes imprévisibles, impulsifs, démunis et émotionnels.