
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 que es importante para brindar el apoyo adecuado.
Kristiina Tammimies, profesora asociada en KIND, el Departamento de Salud de la Mujer y el Niño del Instituto Karolinska, una de las autoras del estudio, dice: “Con una precisión de casi el 80% para niños menores de dos años, esperamos que esta sea una herramienta valiosa para la atención médica”.
El equipo de investigación utilizó una gran base de datos estadounidense (SPARK) con información de aproximadamente 30.000 personas con y sin trastornos del espectro autista.
Al analizar 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 ni pruebas médicas antes de los 24 meses de edad. El modelo con mejor rendimiento se denominó “AutMedAI”.
Entre aproximadamente 12.000 personas, el modelo AutMedAI fue capaz de identificar aproximadamente al 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 al mismo departamento del Instituto Karolinska y actualmente profesor adjunto en el Instituto de Bioinformática y Tecnología Aplicada de la India, afirma: “Los resultados de este estudio son significativos porque muestran que es posible identificar a individuos con probabilidades de tener 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 y las intervenciones tempranas y, en última instancia, mejorar la calidad de vida de muchas personas y sus familias”, afirma Rajagopalan.
En el estudio, el modelo de IA mostró buenos resultados al identificar a los niños con más dificultades en la comunicación social y la capacidad cognitiva y que tienen más retrasos en el desarrollo.
El equipo de investigación está planeando ahora realizar más mejoras y validar el modelo en entornos clínicos. También se está trabajando para incluir información genética en el modelo, lo que puede dar lugar a predicciones aún más específicas y precisas.
“Para garantizar que el modelo sea lo suficientemente confiable como para implementarlo 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 y otros. [Machine Learning Prediction of Autism Spectrum Disorder from a Minimal Set of Medical and Background Information, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229