Co-dirigé par trois instituts de la HES-SO Valais/Wallis (santé, social et informatique) et financé par le FNS, le projet « Reducing Gender Bias in Detection of Autistic Spectrum Disorders » innove par son utilisation des technologies immersives pour une détection plus précise de l’autisme, en ciblant particulièrement les biais de genre.
Ce projet innovant utilise la réalité mixte et l’intelligence artificielle pour améliorer le diagnostic des troubles du spectre de l’autisme (TSA). Ces outils visent à mieux comprendre les critères diagnostiques actuels et à intégrer les témoignages de patients et de praticiens. L’objectif est de créer un outil technologique qui aide les professionnels de santé à identifier plus précisément les TSA, en particulier chez les femmes, dont le diagnostic est souvent retardé en raison de biais de genre
Une approche collaborative pour des diagnostics plus équitables
L’étude combine trois axes novateurs :
- L’analyse critique des critères diagnostiques actuels (historiquement calqués sur des profils masculins)
- L’intégration de témoignages de patients et praticiens via des ateliers participatifs
- Le développement d’exercices en réalité mixte reproduisant des interactions sociales quotidiennes (entretiens d’embauche, situations de groupe)
Ces environnements immersifs capturent des indicateurs comportementaux subtils : regards furtifs, micro-expressions faciales ou réactions sensorielles, souvent négligés lors des évaluations traditionnelles. Un système d’IA analyse en temps réel ces données biométriques, croisées avec des paramètres physiologiques (rythme cardiaque, conductance cutanée).
Vers une détection précoce et personnalisée
Le prototype intègre :
- Des hologrammes interactifs adaptatifs (Microsoft HoloLens 2)
- Un algorithme d’apprentissage profond entraîné sur des données multi-ethniques
- Un module de feedback instantané pour les cliniciens
Contrairement aux outils existants, la solution se distingue par sa capacité à :
- Moduler la complexité sociale des scénarios en fonction des réponses
- Quantifier les profils sensoriels individuels via des mini-jeux thématisés
- Générer des rapports différentiels hommes/femmes
Jusqu’à 30% d’amélioration !
Actuellement en phase de tests cliniques au CHU Ste-Justine, cette technologie pourrait réduire de 30% les erreurs diagnostiques selon les projections. Une avancée cruciale quand on sait que 80% des femmes TSA sans déficit intellectuel reçoivent initialement un diagnostic erroné (trouble borderline, anxiété sociale).
En combinant rigueur scientifique et design inclusif, ce projet ouvre la voie à une détection plus juste et humaine des neurodivergences.
➡️En savoir plus : Reducing Gender Bias in Detection of Autistic Spectrum Disorders Using a Co-Construction Approach with Computer Vision and Mixed Reality Exercises
