Les chercheurs ont développé un cadre guidé par des modèles pour découvrir et transformer des stimuli afin de révéler des différences perceptuelles spécifiques à la population entre les adultes autistes et neurotypiques. En entraînant des modèles de réseaux neuronaux artificiels sur des jugements au niveau des images, ils ont identifié que les différences d'expression faciale diagnostiques sont concentrées dans un petit sous-ensemble de stimuli plutôt que d'être uniformes.
- L'équipe a utilisé ces modèles pour sélectionner de nouveaux visages prédits comme maximisant la séparation entre groupes, ce qui a produit des différences comportementales plus importantes que des images aléatoires appariées dans une cohorte indépendante.
- Ils ont employé un réseau antagoniste génératif (GAN) pour transformer les images diagnostiques vers un accord de groupe prédit plus élevé, réduisant avec succès la séparation comportementale dans la validation appariée au phénotype.
Cette approche démontre comment le phénotypage comportemental peut aller au-delà de la moyenne sur des ensembles de stimuli fixes vers des assays optimisés qui identifient les conditions sous lesquelles la perception neurodivergente diverge ou converge.