Durante mucho tiempo, el autismo ha sido una condición que desafió la detección precisa debido a su naturaleza altamente individual y la falta de pruebas médicas convencionales. Sin embargo, en la actualidad, estamos presenciando una innovación revolucionaria en este campo.
Científicos de la Universidad de Yonsei en Seúl, Corea del Sur, han presentado con éxito un modelo de inteligencia artificial que no solo puede diagnosticar el trastorno del espectro autista (TEA), sino también evaluar su gravedad con una fiabilidad excepcional.
Este avance se fundamenta en la tecnología de aprendizaje profundo, y su impacto está transformando el campo de la salud. La convergencia de la inteligencia artificial y el autismo abre nuevas perspectivas para diagnosticar y tratar esta compleja condición.
El desafío de detectar el autismo radica en la ausencia de pruebas médicas directas, como análisis de sangre. Para abordar esta limitación, la inteligencia artificial emerge como una herramienta esencial. Según Jéssica Romero, terapeuta ocupacional pediátrica de criar con sentido común, el TEA afecta el desarrollo de la comunicación, la interacción social y la conducta en los niños. Los patrones de comportamiento restrictivos y repetitivos suelen ser indicativos.
Además, el autismo se diagnostica con mayor frecuencia en niños que en niñas, lo que presenta desafíos adicionales debido a la variabilidad en los síntomas y la presentación.
Utilizando la Inteligencia Artificial para detectar el autismo
La IA en este contexto se centra en la atención conjunta, una habilidad crucial que abarca la capacidad de mantener la atención en un objeto o acción, así como la identificación y expresión de emociones. Esta habilidad sienta las bases para el desarrollo del lenguaje, la comunicación y las habilidades sociales. La atención conjunta se refleja en comportamientos como el contacto visual y las interacciones sociales.
El sistema desarrollado por los científicos coreanos se basa en un enfoque de aprendizaje profundo que utiliza redes neuronales artificiales para identificar patrones en los comportamientos de atención conjunta. Dado que las personas con TEA a menudo muestran deficiencias en esta área, se convierte en un marcador conductual crítico para el diagnóstico.
En un estudio publicado en JAMA Network Open, los investigadores evaluaron a 95 niños de entre 24 y 72 meses, incluyendo 45 con TEA y 50 sin síntomas. Utilizando un protocolo meticuloso, se registraron y analizaron tres tipos de conductas relacionadas con la atención conjunta: la iniciación de la atención conjunta, la respuesta de bajo nivel de atención conjunta y la respuesta de alto nivel de atención conjunta.
El modelo de inteligencia artificial alcanzó un AUROC (área bajo la curva ROC) del 99,6%, una precisión del 97,6% y una exactitud del 95,5%. Estos valores indican que la probabilidad de identificar correctamente a una persona con Trastorno del Espectro Autista (TEA) es extraordinariamente alta. La herramienta también demostró un rendimiento sobresaliente al analizar diferentes tipos de interacciones, lo que resalta su versatilidad.
Este avance no es el único en el campo de la detección del autismo. La Universidad La Trobe en Australia ha desarrollado métodos de detección temprana en niños de apenas 12 meses, con una fiabilidad del 96%. Estos métodos se basan en la observación y requieren la capacitación de profesionales de la salud y la educación infantil. Sin embargo, la implementación efectiva se logra en entornos que supervisan el desarrollo infantil de manera rutinaria.
La fusión de la inteligencia artificial y el autismo marca un avance significativo en la comprensión y atención de esta condición. Este innovador enfoque, caracterizado por su precisión y confiabilidad, despliega nuevas posibilidades -aún inexploradas- no solo para el TEA, sino también para otros trastornos neurológicos.
