Les auteurs de cette étude sont très confiants puisqu’ils estiment qu’ils peuvent identifier les personnes souffrant d’ADHD avec une précision de 99%...
Les résultats, publiés dans la revue Frontiers in Physiology, ont des implications non seulement pour la détection de l’ADHD, mais peuvent également aider les cliniciens à cibler les traitements.
Le trouble déficitaire de l'attention est le trouble psychologique le plus souvent diagnostiqué chez les enfants d'âge scolaire, mais il est difficile à identifier. De plus, les multiples sous-types compliquent la définition clinique du TDAH.
L'équipe de recherche multidisciplinaire a utilisé les données d'archives de l'IRM fonctionnelle de 80 participants adultes ayant reçu un diagnostic d’ADHD dans leur enfance.
Les classificateurs d'apprentissage machine ont ensuite été appliqués à quatre instantanés d'activité au cours d'une tâche conçue pour tester la capacité du sujet à inhiber une réponse automatique.
L'analyse ciblée des courses individuelles a atteint un taux de précision diagnostique de 91 %, tandis que l'analyse collective s'est approchée de 99 %.
Le modèle permet de différencier également les personnes atteintes d’ADHD qui ont des performances typiques ou atypiques sur l'Iowa Gambling Task (IGT). L'IGT est un paradigme comportemental similaire à un jeu de cartes de casino qui présente des options à risque élevé et à faible risque, et qui est couramment utilisé pour étudier et diagnostiquer l’ADHD.
Cette approche fournit un mécanisme permettant de sous-classer les personnes atteintes de TDAH de manière à permettre des traitements ciblés.
https://www.frontiersin.org/articles/10.3389/fphys.2020.583005/full
Partager par e-mail