Sommaire: Les algorithmes d’apprentissage automatique aident les chercheurs à identifier les modèles de parole chez les enfants autistes qui sont cohérents entre différentes langues.
La source: Université du nord-ouest
Une nouvelle étude menée par des chercheurs de l’Université Northwestern a utilisé l’apprentissage automatique – une branche de l’intelligence artificielle – pour identifier les modèles de parole chez les enfants autistes qui étaient cohérents entre l’anglais et le cantonais, suggérant que les caractéristiques de la parole pourraient être un outil utile pour diagnostiquer la maladie.
Entreprise avec des collaborateurs à Hong Kong, l’étude a fourni des informations qui pourraient aider les scientifiques à faire la distinction entre les facteurs génétiques et environnementaux qui façonnent les capacités de communication des personnes autistes, les aidant potentiellement à en savoir plus sur l’origine de la maladie et à développer de nouvelles thérapies.
Les enfants autistes parlent souvent plus lentement que les enfants au développement normal et présentent d’autres différences de tonalité, d’intonation et de rythme. Mais ces différences (appelées « différences prosodiques » par les chercheurs) ont été étonnamment difficiles à caractériser de manière cohérente et objective, et leurs origines sont restées floues pendant des décennies.
Cependant, une équipe de chercheurs dirigée par les scientifiques du nord-ouest Molly Losh et Joseph CY Lau, ainsi que le collaborateur basé à Hong Kong Patrick Wong et son équipe, ont utilisé avec succès l’apprentissage automatique supervisé pour identifier les différences de langage associées à l’autisme.
Les données utilisées pour former l’algorithme étaient des enregistrements de jeunes anglophones et cantonais avec et sans autisme racontant leur propre version de l’histoire décrite dans un livre d’images pour enfants sans paroles intitulé “Frog, Where Are You?”
Les résultats ont été publiés dans la revue PLOS Un le 8 juin 2022.
“Lorsque vous avez des langues qui sont si structurellement différentes, toute similitude dans les modèles de discours observés dans l’autisme dans les deux langues est susceptible d’être des traits fortement influencés par la responsabilité génétique de l’autisme”, a déclaré Losh, qui est le Jo Ann G. et Peter F. Dolle Professeur de troubles d’apprentissage à Northwestern.
“Mais tout aussi intéressante est la variabilité que nous avons observée, qui peut indiquer des caractéristiques de la parole qui sont plus malléables et potentiellement de bonnes cibles d’intervention.”
Lau a ajouté que l’utilisation de l’apprentissage automatique pour identifier les éléments clés du discours qui étaient prédictifs de l’autisme représentait un pas en avant significatif pour les chercheurs, qui ont été limités par le biais de la langue anglaise dans la recherche sur l’autisme et la subjectivité humaine lorsqu’il s’agissait de classer les différences de discours. entre les personnes avec autisme et les autres.
“En utilisant cette méthode, nous avons pu identifier les caractéristiques de la parole qui peuvent prédire le diagnostic d’autisme”, a déclaré Lau, un chercheur postdoctoral travaillant avec Losh au département Roxelyn et Richard Pepper des sciences et des troubles de la communication à Northwestern.
« La plus importante de ces caractéristiques est le rythme. Nous espérons que cette étude pourra servir de base à de futurs travaux sur l’autisme qui s’appuieront sur l’apprentissage automatique.
Les chercheurs pensent que leur travail a le potentiel de contribuer à une meilleure compréhension de l’autisme. L’intelligence artificielle a le potentiel de faciliter le diagnostic de l’autisme en aidant à réduire le fardeau des professionnels de la santé, rendant le diagnostic de l’autisme accessible à davantage de personnes, a déclaré Lau. Il pourrait également fournir un outil qui pourrait un jour transcender les cultures, en raison de la capacité de l’ordinateur à analyser les mots et les sons de manière quantitative, quelle que soit la langue.
Étant donné que les caractéristiques de la parole identifiées via l’apprentissage automatique incluent à la fois celles communes à l’anglais et au cantonais et celles spécifiques à une langue, a déclaré Losh, l’apprentissage automatique pourrait être utile pour développer des outils qui non seulement identifient les aspects de la parole adaptés aux interventions thérapeutiques, mais aussi mesurent l’effet de ces interventions en évaluant les progrès d’un orateur au fil du temps.
Enfin, les résultats de l’étude pourraient éclairer les efforts visant à identifier et à comprendre le rôle de gènes spécifiques et de mécanismes de traitement du cerveau impliqués dans la susceptibilité génétique à l’autisme, ont déclaré les auteurs. En fin de compte, leur objectif est de créer une image plus complète des facteurs qui façonnent les différences d’élocution des personnes autistes.
“Un réseau cérébral impliqué est la voie auditive au niveau sous-cortical, qui est vraiment fortement liée aux différences dans la façon dont les sons de la parole sont traités dans le cerveau par les personnes autistes par rapport à celles qui se développent généralement à travers les cultures”, a déclaré Lau.
“Une prochaine étape consistera à déterminer si ces différences de traitement dans le cerveau conduisent aux modèles de discours comportementaux que nous observons ici, et à leur génétique neuronale sous-jacente. Nous sommes ravis de ce qui nous attend.
Voir également
À propos de cette actualité de la recherche sur l’IA et les TSA
Auteur: Max Winski
La source: Université du nord-ouest
Contact: Max Witynski – Université Northwestern
Image: L’image est dans le domaine public
Recherche originale : Libre accès.
“Modèles interlinguistiques des différences prosodiques de la parole dans l’autisme : une étude d’apprentissage automatique” par Joseph CY Lau et al. PLOS ONE
Résumé
Modèles interlinguistiques des différences prosodiques de la parole dans l’autisme : une étude d’apprentissage automatique
Les différences de prosodie de la parole sont une caractéristique largement observée des troubles du spectre autistique (TSA). Cependant, on ne sait pas comment les différences prosodiques dans les TSA se manifestent dans différentes langues qui démontrent une variabilité interlinguistique de la prosodie.
À l’aide d’une approche analytique d’apprentissage automatique supervisé, nous avons examiné les caractéristiques acoustiques pertinentes pour les aspects rythmiques et intonatifs de la prosodie dérivées d’échantillons narratifs obtenus en anglais et en cantonais, deux langues typologiquement et prosodiquement distinctes.
Nos modèles ont révélé une classification réussie du diagnostic de TSA à l’aide de caractéristiques relatives au rythme dans et entre les deux langues. La classification avec des caractéristiques pertinentes pour l’intonation était significative pour l’anglais mais pas pour le cantonais.
Les résultats mettent en évidence les différences de rythme en tant que caractéristique prosodique clé impactée dans les TSA, et démontrent également une variabilité importante dans d’autres propriétés prosodiques qui semblent être modulées par des différences spécifiques à la langue, telles que l’intonation.
#LIA #détecte #les #schémas #parole #lautisme #dans #différentes #langues #Neuroscience #News