Un nuevo modelo de aprendizaje automático puede predecir el autismo en niños pequeños a partir de información relativamente limitada, según un nuevo estudio del Instituto Karolinska, publicado en la revista JAMA Network Open. Este modelo puede facilitar la detección temprana del autismo, lo cual es importante para proporcionar el apoyo adecuado.
Kristiina Tammimies, profesora asociada en el Departamento de Salud de Mujeres y Niños de KIND, Instituto Karolinska, una de las autoras del estudio, dice: “Con una precisión de casi el 80% para niños menores de dos años, esperamos que esto sea una herramienta valiosa para la atención médica”.
El equipo de investigación utilizó una gran base de datos de EE. UU. (SPARK) con información de aproximadamente 30,000 individuos con y sin trastornos del espectro autista.
Analizando una combinación de 28 parámetros diferentes, los investigadores desarrollaron cuatro modelos de aprendizaje automático distintos para identificar patrones en los datos. Los parámetros seleccionados fueron información sobre los niños que se puede obtener sin evaluaciones exhaustivas y pruebas médicas antes de los 24 meses de edad. El modelo de mejor rendimiento se llamó “AutMedAI”.
Entre aproximadamente 12,000 individuos, el modelo AutMedAI pudo identificar alrededor del 80% de los niños con autismo. En combinación específica con otros parámetros, la edad de la primera sonrisa, la primera frase corta y la presencia de dificultades alimentarias fueron fuertes predictores del autismo.
Shyam Rajagopalan, otro autor del estudio, investigador afiliado en el mismo departamento del Instituto Karolinska y actualmente profesor asistente en el Instituto de Bioinformática y Tecnología Aplicada en India, dice: “Los resultados de este estudio son significativos porque muestran que es posible identificar individuos que probablemente tengan autismo a partir de información relativamente limitada y fácilmente disponible”.
Según los investigadores, el diagnóstico temprano es fundamental para implementar intervenciones efectivas que puedan ayudar a los niños con autismo a desarrollarse de manera óptima.
“Esta herramienta puede cambiar drásticamente las condiciones para el diagnóstico temprano y las intervenciones, y en última instancia mejorar la calidad de vida de muchas personas y sus familias”, dice Rajagopalan.
En el estudio, el modelo de IA mostró buenos resultados al identificar a los niños con más dificultades en la comunicación social y habilidades cognitivas, así como con más retrasos en el desarrollo.
El equipo de investigación ahora planea realizar mejoras adicionales y validar el modelo en entornos clínicos. También se está trabajando para incluir información genética en el modelo, lo que podría conducir a predicciones aún más específicas y precisas.
“Para garantizar que el modelo sea lo suficientemente confiable como para implementarse en contextos clínicos, se requiere un trabajo riguroso y una validación cuidadosa. Quiero enfatizar que nuestro objetivo es que el modelo se convierta en una herramienta valiosa para la atención médica, y no está destinado a reemplazar una evaluación clínica del autismo”, dice Tammimies.
Fuente de información:
Shyam Rajagopalan et al. [Predicción de Trastorno del Espectro Autista mediante Aprendizaje Automático a partir de un Conjunto Mínimo de Información Médica y de Antecedentes, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229
