← Retour aux articles
Étude transversaleTDAH

Analyse rétrospective monocentrique des systèmes de reconnaissance des émotions par intelligence artificielle pour l'entraînement à la régulation de l'attention chez les enfants atteints de trouble déficitaire de l'attention avec ou sans hyperactivité

A Single-Center Retrospective Analysis of Artificial Intelligence-Based Emotion Recognition Systems for Attention-Regulation Training in Children with Attention-Deficit/Hyperactivity Disorder.

PubMed — neurosciences cognitives developpementales · Anglais

L’essentiel

Cette étude rétrospective monocentrique a examiné les dossiers d'entraînement historique de soixante enfants atteints de trouble déficitaire de l'attention avec ou sans hyperactivité (TDAH) afin d'évaluer l'efficacité d'un système en boucle fermée assisté par intelligence artificielle intégrant la reconnaissance des émotions et le rétrocontrôle comportemental. Le groupe ayant bénéficié des dossiers d'entraînement assistés par IA a suivi douze séances d'entraînement cognitif combinant des tâches de type Go/No-Go, CPT et Flanker avec un retour en temps réel généré par IA basé sur les performances et la surveillance des émotions faciales. Le groupe de comparaison a complété les mêmes tâches attentionnelles sans le rétrocontrôle basé sur l'IA. Les résultats analysés par des modèles mixtes et des équations structurelles indiquent que les dossiers d'entraînement assistés par IA présontent de plus grands changements pré-post intervention concernant le temps de réaction, la variabilité du temps de réaction et la précision des tâches, ainsi que moins d'erreurs de commission au CPT-3. Une récupération comportementale post-rétrocontrôle a été observée dans une large majorité des événements de rétroaction, et les évaluations des enseignants ont montré des améliorations cohérentes dans le maintien de l'attention, la régulation émotionnelle et l'exécution des tâches. De plus, la proportion d'étiquettes d'émotions négatives a significativement diminué au cours des sessions. L'analyse par équations structurelles a confirmé l'existence d'une voie associative reliant la fréquence de reconnaissance des émotions et les retours à la réduction du temps de réaction. Ces résultats exploratoires suggèrent que l'entraînement en boucle fermée assisté par IA pourrait être associé à des évolutions favorables des indicateurs attentionnels et émotionnels chez les enfants présentant un TDAH, tout en justifiant la nécessité d'études prospectives de validation externe.

  • Soixante dossiers d'enfants atteints de TDAH ont été analysés dans le cadre de cette étude rétrospective monocentrique.
  • L'intervention assistée par IA intégrait un retour en temps réel basé sur les performances cognitives et la reconnaissance faciale des émotions.
  • Les dossiers d'entraînement avec IA ont montré de plus grands changements pré-post intervention sur le temps de réaction, sa variabilité et la précision.
Robustesse de l’étudeNon déterminable

Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.

Comprendre l’analyse ↓
Portée de l’analyse NeuroWatchAnalyse partielle

Analyse du résumé uniquement. Confiance faible dans les informations extraites.

Voir les sources ↓

Synthèse détaillée

Synthèse

Cette étude rétrospective monocentrique a examiné les dossiers d'entraînement historique de soixante enfants atteints de trouble déficitaire de l'attention avec ou sans hyperactivité (TDAH) afin d'évaluer l'efficacité d'un système en boucle fermée assisté par intelligence artificielle intégrant la reconnaissance des émotions et le rétrocontrôle comportemental. Le groupe ayant bénéficié des dossiers d'entraînement assistés par IA a suivi douze séances d'entraînement cognitif combinant des tâches de type Go/No-Go, CPT et Flanker avec un retour en temps réel généré par IA basé sur les performances et la surveillance des émotions faciales. Le groupe de comparaison a complété les mêmes tâches attentionnelles sans le rétrocontrôle basé sur l'IA. Les résultats analysés par des modèles mixtes et des équations structurelles indiquent que les dossiers d'entraînement assistés par IA présontent de plus grands changements pré-post intervention concernant le temps de réaction, la variabilité du temps de réaction et la précision des tâches, ainsi que moins d'erreurs de commission au CPT-3. Une récupération comportementale post-rétrocontrôle a été observée dans une large majorité des événements de rétroaction, et les évaluations des enseignants ont montré des améliorations cohérentes dans le maintien de l'attention, la régulation émotionnelle et l'exécution des tâches. De plus, la proportion d'étiquettes d'émotions négatives a significativement diminué au cours des sessions. L'analyse par équations structurelles a confirmé l'existence d'une voie associative reliant la fréquence de reconnaissance des émotions et les retours à la réduction du temps de réaction. Ces résultats exploratoires suggèrent que l'entraînement en boucle fermée assisté par IA pourrait être associé à des évolutions favorables des indicateurs attentionnels et émotionnels chez les enfants présentant un TDAH, tout en justifiant la nécessité d'études prospectives de validation externe.

Résultats principaux

Soixante dossiers d'enfants atteints de TDAH ont été analysés dans le cadre de cette étude rétrospective monocentrique. L'intervention assistée par IA intégrait un retour en temps réel basé sur les performances cognitives et la reconnaissance faciale des émotions. Les dossiers d'entraînement avec IA ont montré de plus grands changements pré-post intervention sur le temps de réaction, sa variabilité et la précision. Les notes des enseignants ont mis en évidence des améliorations cohérentes dans le maintien de l'attention, la régulation émotionnelle et l'exécution des tâches. La proportion d'étiquettes d'émotions négatives est passée de 42,3 % à 24,6 % après les sessions assistées par IA.

Repères pour la pratique

Les outils d'intelligence artificielle en boucle fermée pourraient à l'avenir enrichir les prises en charge neuropsychologiques traditionnelles du TDAH. L'intégration d'un retour en temps réel sur les états émotionnels offre une piste prometteuse pour cibler à la fois l'attention et la régulation des émotions. La validation de ces approches nécessite toutefois des études prospectives rigoureuses avant toute application clinique ou éducative à grande échelle.

Limites et précautions

L'article propose une étude clinique originale et méthodologiquement documentée sur l'apport de l'IA pour le TDAH, présentant un intérêt direct pour la pratique neuropsychologique malgré son caractère rétrospectif. Il s'agit d'une analyse rétrospective portant sur des dossiers historiques et non sur un essai prospectif randomisé. La taille de l'échantillon de soixante participants reste modeste pour généraliser les conclusions cliniques. L'absence d'aveugle strict dans l'évaluation des enseignants peut introduire un biais de déclaration.

Analyse méthodologique

Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.

Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.

Une anomalie documentaire ou méthodologique a été détectée. L’article reste disponible et doit être interprété avec prudence.

Examiner les critères point par point

Cette analyse automatisée porte sur une étude transversale rétrospective monocentrique évaluant 60 enfants atteints de trouble déficitaires de l'attention avec ou sans hyperactivité (TDAH) à travers des dossiers historiques couvrant 12 sessions d'entraînement. La sélection de la population et la validité des mesures sont documentées comme adéquates, s'appuyant notamment sur le test CPT-3, des évaluations d'enseignants et des métriques d'émotion validées par intelligence artificielle. L'analyse statistique est également documentée comme adéquate via des modèles linéaires à effets mixtes, une modélisation de la croissance linéaire et des équations structurelles. Les résultats primaires rapportés par les auteurs indiquent une diminution significative des étiquettes d'émotion négative, passant de 42,3 % à 24,6 % (p = 0,003). De plus, la modélisation par équations structurelles a confirmé une association entre la fréquence de reconnaissance des émotions, la fréquence des retours et la réduction du temps de réaction (IC à 95 % : 0,15-0,38). Concernant les limites méthodologiques relevées par l'analyse NeuroWatch, le contrôle des facteurs de confusion est indéterminé car non rapporté dans la source analysée. Le financement, les conflits d'intérêts et la gestion des données manquantes sont non rapportés dans la source analysée. L'analyse NeuroWatch souligne que cette étude est une analyse rétrospective monocentrique exploratoire, et que les informations non déterminables découlent de la lecture limitée au résumé ou aux métadonnées, nécessitant des études prospectives validées extérieurement.

confounding controlNon déterminable

Aucune information n'est fournie concernant le contrôle des facteurs de confusion potentiels dans cette analyse rétrospective.

L’information nécessaire n’est pas rapportée dans la source analysée.
measure validityFavorable

L'étude a utilisé des mesures standardisées et reconnues, incluant le test CPT-3, des évaluations par les enseignants et des métriques d'émotion validées par l'intelligence artificielle.

Un élément méthodologique adéquat est explicitement documenté.
population selectionFavorable

La sélection de la population est clairement définie, incluant des dossiers historiques de 60 enfants atteints de TDAH répartis en deux groupes d'intervention dans un centre unique.

Un élément méthodologique adéquat est explicitement documenté.
statistical analysisFavorable

L'analyse statistique est détaillée et appropriée, utilisant des modèles linéaires à effets mixtes, la modélisation de la croissance linéaire et la modélisation par équations structurelles.

Un élément méthodologique adéquat est explicitement documenté.

Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.

Classification détaillée

Lecture multiaxiale

Ce que l’article étudie

Taxonomie 2026_10

Troubles et conditions neurodéveloppementales

Confiance élevée

Contextes de vie et facteurs environnementaux

Confiance moyenne

L'article étudie l'utilisation d'un système d'intelligence artificielle pour l'entraînement de l'attention et la régulation émotionnelle chez des enfants présentant un trouble déficitaire de l'attention avec ou sans hyperactivité (TDAH).