Les yeux suivent un point qui trace doucement une courbe complexe sur l'écran. Chez la plupart des gens, le regard reste proche de ce point, mais chez certains, il semble glisser ou accuser un retard. Autrefois, ces particularités se noyaient dans les moyennes : si l'on additionne tout le monde et que l'on divise, la différence disparaît presque.
Les chercheurs ont décidé de ne pas se fier à la moyenne, mais d'examiner chaque personne individuellement. Ils ont mesuré à quel point le regard accusait un retard sur le point et à quel point il déviait latéralement. Ensuite, ils ont établi une « norme » à partir des personnes non autistes et ont calculé qui s'en écartait plus que d'habitude. Cette approche ressemble au contrôle de la taille chez les écoliers : au lieu de comparer la taille moyenne de la classe, le médecin repère les enfants qui sont nettement plus petits ou plus grands que leurs camarades.
Le résultat a surpris : parmi les personnes autistes, 7 sur 18 — soit près de 39 % — avaient des mouvements oculaires inhabituels. Dans le groupe non autiste, ils n'étaient que 5 %. Pourtant, les comparaisons moyennes habituelles ne montraient presque aucune différence. Cela signifie que l'autisme se manifeste différemment chez chaque individu, et ce sont précisément ces écarts individuels qui pourraient être la clé de la compréhension.
Cette méthode pourrait aider les médecins à détecter l'autisme plus tôt et plus précisément. Et surtout, elle respecte la diversité : elle ne cherche pas à faire entrer tout le monde dans un moule unique, mais voit chaque personne individuellement.
tel que rédigé par les auteurs, en anglais arXiv:2603.22705
Background: Autism spectrum disorder (ASD) is characterized by significant clinical and biological heterogeneity. Conventional group-mean analyses of eye movements often mask individual atypicalities, potentially overlooking critical pathological signatures. This study aimed to identify idiosyncratic oculomotor patterns in ASD using an "outlier analysis" of smooth pursuit eye movement (SPEM). Methods: We recorded SPEM during a slow Lissajous pursuit task in 18 adults with ASD and 39 typically developed (TD) individuals. To quantify individual deviations, we derived an "outlier score" based on the Mahalanobis distance. This score was calculated from a feature vector, optimized via Principal Component Analysis (PCA), comprising the temporal lag ($$\Delta$$t) and the spatial deviation ($$\Delta$$s). An outlier was statistically defined as a score exceeding $$\sqrt{10}$$ (approximately 3.16$$\sigma$$) relative to the TD normative distribution. Results: While the TD group exhibited a low outlier rate of 5.1%, the ASD group demonstrated a significantly higher prevalence of 38.9% (7/18) (binomial P = 0.0034). Furthermore, the mean outlier score was significantly elevated in the ASD group (3.00 $$\pm$$ 2.62) compared to the TD group (1.52 $$\pm$$ 0.80; P = 0.002). Notably, these extreme deviations were captured even when conventional mean-based comparisons showed limited sensitivity. Conclusions: Our outlier analysis successfully visualized the high degree of idiosyncratic atypicality in ASD oculomotor control. By shifting the focus from group averages to individual deviations, this approach provides a sensitive metric for capturing the inherent heterogeneity of ASD, offering a potential baseline for identifying clinical subtypes.
Chez les personnes autistes, les mouvements oculaires inhabituels sont près de huit fois plus fréquents que chez les autres.