Perspectives critiques sur la recherche en intelligence artificielle pour la détection de l'autisme fondée sur l'image

Titre original en anglais : Critical Perspectives on Artificial Intelligence Research for Image-Based Autism Detection

Sources de métadonnées utilisées pour cette référence

OpenAlex DataCite
En savoir plus sur les sources utilisées

Castelán, M. & Dwyer, P. (2026). Critical Perspectives on Artificial Intelligence Research for Image-Based Autism Detection. La Trobe University. https://doi.org/10.26181/32797170

Date de publication: 01/03/2026 Ajout dans AutiHub: 05/08/2026 Type: Article Langue de l’article: Anglais
Source OpenAlex Source éditeur (DOI)

Cette publication est intégrée dans AutiHub via :

Auteurs

Auteur·ices des publications
2
Auteur·ices de la publication identifié·es comme autistes
1 / 2 (50,0 %)
  1. Mario Castelán
  2. Patrick Dwyer *

Résumé

Ces dernières années, les applications possibles de l'intelligence artificielle (IA) pour identifier les personnes neurodivergentes ont reçu une attention croissante. À titre d'exemple, une base de données accessible au public d'images faciales d'enfants hébergée sur Kaggle a été utilisée pour entraîner des modèles d'IA destinés au diagnostic de l'autisme. La base de données comprend environ 3000 images d'enfants présumés autistes et neurotypiques et a été utilisée dans environ 50 articles sur l'IA au cours des cinq dernières années, totalisant plus de 500 citations. Cependant, les données ont été compilées à l'aide de recherches en ligne sur des sites web consacrés à l'autisme et sur des réseaux sociaux. Cet article examine de manière critique la validité scientifique d'un tel jeu de données pour déterminer le statut d'autisme d'un enfant, et met en évidence des lacunes éthiques et méthodologiques importantes dans la construction et l'utilisation de la base de données. Nous soutenons que ces lacunes auraient pu être évitées si les auteurs avaient collaboré avec des membres de la communauté et des experts interdisciplinaires. En l'absence de méthodes rigoureuses, d'un examen éthique approprié et d'une compréhension réelle des populations étudiées, les modèles d'IA peuvent facilement devenir non valides. Cet article appelle à une réévaluation des implications éthiques et de l'intégrité scientifique liées à l'utilisation de jeux de données faiblement validés dans la recherche sur l'autisme fondée sur l'IA.

In recent years, possible applications of artificial intelligence (AI) in identifying neurodivergent people have received increasing attention. As an example, a publicly available database of children's facial images hosted on Kaggle has been used to train AI models for autism diagnosis. The database includes approximately 3000 images of putatively autistic and neurotypical children and has been used in around 50 AI articles over the past five years, with more than 500 citations in total. However, the data were compiled using online searches on autism websites and social networks. This article critically examines the scientific validity of such a dataset for determining a child's autism status, and highlights significant ethical and methodological flaws in the database construction and use. We argue that these flaws could have been prevented if the authors had partnered with community members and interdisciplinary experts. Without rigorous methods, appropriate ethical review, and genuine understanding of the populations being studied, AI models can easily become invalid. This article calls for a re-evaluation of the ethical implications and scientific integrity of using weakly validated datasets in AI for autism research.

Bibliographie citée par cette référence

Les références citées sont importées depuis des sources externes de métadonnées lorsqu’elles sont disponibles. La liste peut être partielle.

Aucune bibliographie citée n’est actuellement intégrée pour cette référence. Cela ne signifie pas nécessairement qu’aucune bibliographie n’existe.