Investigadores estadounidenses idearon y probaron ocho modelos de aprendizaje automatizado para diagnosticar autismo en niños mediante el análisis de videos caseros, lo que permite agilizar el proceso y hacerlo mucho más eficiente», según un estudio publicado en la revista científica PLOS Medicine.
El estudio, difundido hoy por la agencia EFE, fue desarrollado por un equipo de la Escuela de Medicina de la Universidad de Stanford y fue encabezado por Dennis Wall, profesor de Pediatría y Ciencia de Datos Biomédicos de esa ciudad californiana.
Cada uno de los modelos contenía «un set de algoritmos que incluía de 5 a 12 características de comportamiento de los niños y producía una puntuación general que indicaba si el menor tenía autismo», explicó.
Wall dijo que para evaluar los modelos solicitaron a familias reclutadas para el estudio que enviaran videos caseros de uno a cinco minutos de duración en los que se mostrase el rostro y las manos de los niños y se captara «su interacción social, así como el uso de juguetes, lápices y utensilios».
A partir de esas imágenes 116 niños con un promedio de edad de 4 años y 10 meses fueron diagnosticados con autismo y otros 46 (con un promedio de dos años y 11 meses) lo estaban desarrollando, detalló.
Nueve evaluadores no expertos analizaron los videos utilizando un cuestionario de 30 preguntas con respuestas de «sí» o «no», basadas en comportamientos típicos de autistas, que se incorporaron luego a los ocho modelos matemáticos.
El modelo que mejor resultado ofreció es el que identificó el 94,5% de los casos de niños con autismo y un 77,4% de los de niños no autistas.
Para una verificación de los resultados evaluaron otros 66 videos, la mitad de ellos de niños con autismo.
El mismo modelo identificó correctamente un 87,8% de los casos de chicos con autismo y un 72,7% de los que no presentaban ese trastorno.
«A lo largo de los Estados Unidos el promedio en la lista de espera para obtener acceso a un servicio estandarizado (para un diagnóstico de autismo infantil) puede ser de hasta de un año», señaló Wall.
Otra ventaja del uso de videos hogareños para el diagnóstico es que «toman al niño en su ambiente natural», a diferencia de la valoración clínica que se realiza en un medio «que puede ser rígido y artificial y provocar comportamientos atípicos».
«Demostramos que podemos identificar un pequeño grupo de características del comportamiento que presentan una alta alineación con los resultados clínicos y que los no expertos pueden calificar estas características de forma rápida e independiente en un entorno virtual en línea, en minutos», dijo Wall.