Phénotypage computationnel de l’interaction sociale dans le développement psychopathologique et neurotypique
Bibliographic record
Abstract
Le Trouble du Spectre de l’Autisme (TSA) est un trouble neurodéveloppemental défini par deux caractéristiques principales : un comportement social atypique et des intérêts restreints et répétitifs incluant une rigidité comportementale. Le comportement social atypique est typiquement mesuré et quantifié par des déficits de Théorie de l’Esprit (ToM). Les outils classiques pour évaluer la ToM comportent plusieurs limites dont les biais liés à la subjectivité, la pauvre validité écologique et le manque d’échange réciproque. Ainsi, une tâche dyadique et intégrative pourrait pallier ces limites. En population adulte autiste, une telle tâche a été testée. Concrètement, le jeu du Penny-Hiding Game (PHG), où un joueur doit deviner dans laquelle de ses mains un adversaire a caché une pièce de monnaie, a été administré à un groupe de personnes autistes et un groupe de personnes non-autistes. La tâche comportait deux contextes : l’un social, où le participant croyait qu’il jouait contre un être humain en ligne, et l’un non-social, où le participant était informé qu’il jouait contre un ordinateur seulement. Cette étude a montré que les personnes autistes se montraient insensibles au contexte dans leur comportement modélisé par un phénotype computationnel comportant deux indices : la sophistication et la flexibilité. De plus, l’étude a identifié une stratégie de jeu qui semblait propre au groupe autiste. Le phénotype computationnel permettait aussi de classer les participants avec un taux de spécificité équivalent aux outils diagnostiques standards. La présente étude vise donc à étendre cette compréhension de la réciprocité sociale des personnes autistes à une population pédiatrique. L’enjeu des comorbidités en autisme constitue également un frein important aux avancées scientifiques. Ainsi, nous avons décidé d’inclure deux groupes dans notre échantillon qui présentent les comorbidités les plus prévalentes en autisme : le Trouble de l’Attention avec et sans Hyperactivité (TDAH) et les Troubles Anxieux (TA). À la suite d’une analyse de la performance avec ces trois groupes et une inspection visuelle des séquences de choix au cours de la tâche, un paramètre d’alternance/persévération et un groupe d’enfants neurotypiques (NT) ont été ajoutés. Ces deux ajouts font de ce mémoire une étude partiellement exploratoire. Le but était donc de valider la tâche informatique du PHG auprès de populations pédiatriques cliniques, d’identifier et d’explorer des différences de groupes au niveau des stratégies de jeu, de la performance et du phénotype computationnel et d’explorer le rôle potentiel des associations entre le phénotype computationnel, la performance et les symptômes associées aux trois conditions cliniques à l’étude : les symptômes autistiques, attentionnels/exécutifs et anxieux. Les analyses ont permis de révéler que le groupe NT avait une performance significativement supérieure aux groupes TSA, TDAH et TA et que la quantité et la sévérité des symptômes étaient négativement associées au score de performance en contexte social. La stratégie la plus utilisée à travers tous les groupes et indépendamment du contexte était une stratégie d’apprentissage par renforcement et aucune différence au niveau de la sophistication ou de la flexibilité n’a été détectée. Ces deux résultats constituent une non-réplication de ce qui a été observé chez les adultes. La persévérance dans la tâche était plus élevée chez les personnes autistes spécifiquement, ce qui constitue un marqueur potentiel pour dépister, et éventuellement identifier le TSA, bien que d’autres études soient nécessaires pour le confirmer. Cette étude novatrice a permis d’illustrer la complexité de la réalité clinique et de mettre la table pour des études subséquentes en psychiatrie computationnelle auprès des enfants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".