Depuis 20 ans, les troubles du spectre autistique (TSA), dont l'incidence atteint 1,2 % des naissances, sont en constante augmentation, sans que l'on sache pourquoi. Faute de disposer d'un traitement pharmaceutique approuvé par les autorités, il existe des techniques psychoéducatives permettant d'atténuer la sévérité des séquelles (troubles de la socialisation et de la communication, intérêts restreints, comportements répétitifs et stéréotypés). Mais ces techniques fonctionnent d'autant mieux qu'elles sont mises en œuvre plus tôt. Or, le diagnostic clinique de TSA est obtenu en moyenne alors que l'enfant a déjà cinq ans.
Partant de ce constat, et sachant que les enfants présentant un TSA naissent avec leur syndrome, des scientifiques marseillais emmenés par le neurobiologiste Yehezkel Ben-Ari (Grand Prix de l'Inserm 2009) ont mis au point un algorithme de machine learning visant à identifier, dès la naissance, quel bébé risque de se voir poser un diagnostic de TSA dans les années qui viennent. Ses résultats sont détaillés dans la revue « Scientific Reports ».
Concrètement, l'algorithme, appelé « Genesis », analyse, pour chaque naissance, les données fournies par la maternité, soit un total d'environ 115 paramètres biologiques (antécédents familiaux, paramètres pendant la grossesse, pendant l'accouchement, un jour après l'accouchement).
Le test, réalisé en partenariat avec une maternité de Limoges, a montré que le pronostic proposé par l'algorithme (risque de TSA vs absence de risque) permettait d'identifier environ la moitié (41 %) des bébés à risque et la quasi-totalité (96 %) des enfants dits « neurotypiques ». Il s'agit d'une première mondiale, qui doit désormais être reproduite à plus grande échelle, sur la base des données d'autres maternités.
Article rédigé par Georges Simmonds pour RT Flash
