Los investigadores de WVU tienen como objetivo facilitar la identificación del autismo a través de IA

Caracterizar el comportamiento de un paciente con autismo puede ser un desafío, pero estos investigadores de la West Virginia University tienen como objetivo facilitar la identificación del autismo al realizar el primer estudio sistemático sobre el fenotipo del trastorno del espectro autista (TEA) utilizando tecnología de seguimiento del comportamiento.

El fenotipado es la caracterización de un comportamiento o rasgo, y en este estudio, los investigadores observarán los comportamientos y rasgos de los pacientes con autismo.

Con el apoyo de un premio de $ 500.000 de la National Science Foundation, Xin Li, profesor en el Lane Department of Computer Science and Electrical Engineering, y Shuo Wang, profesor asistente adjunto, planean realizar esta investigación utilizando los últimos avances en imágenes y ciencia de datos.

Este proyecto es importante porque tiene como objetivo llenar un vacío importante en nuestro conocimiento existente sobre los TEA”, dijo Li. “Se espera que una mejor comprensión del fenotipo del autismo ayude no solo con un diagnóstico más preciso, sino también con una intervención más personalizada para los pacientes con TEA”.

Facilitar la identificación del autismo

Uno de los mayores desafíos que enfrenta la investigación del autismo es que no existe una forma de autismo, sino muchos subtipos. Cada persona con autismo puede tener fortalezas y desafíos únicos, lo que ha contribuido a la dificultad para identificar los rasgos específicos asociados con este trastorno (fenotipado), genética o conductualmente, según Li.

Li dijo que actualmente aún no hay consenso sobre el estándar de caracterización del comportamiento para los humanos, pero los modelos animales han utilizado los siguientes tres fenotipos:

  • interacciones sociales anormales,
  • déficits de comunicación, y
  • comportamiento repetitivo.

“Esperamos identificar fenotipos similares para pacientes con TEA como primer paso”, dijo Li.

Este proyecto evaluará los TEA utilizando datos de imágenes de comportamiento (seguimiento ocular, audio/vídeo) con datos de neuroimagen.

Según Li, los datos de las neuroimágenes son una medida directa de las actividades cerebrales y los datos de las imágenes del comportamiento son la consecuencia de las actividades cerebrales.

La integración de estos dos datos multimodales representa una estrategia natural para comprender la relación entre las actividades cerebrales y los patrones de comportamiento”, dijo Li.

Según Li, el TEA es un trastorno del neurodesarrollo que afecta a uno de cada 54 niños en EE.UU., y este estudio también podría ayudar con la detección temprana en niños pequeños.

Cuanto antes los niños con TEA reciban una intervención intensiva, mejores serán sus resultados de desarrollo, dijo.

Actualmente, la edad promedio de un niño cuando recibe un diagnóstico de TEA en los EE.UU. es de 4 años”, dojo Li. “Sin embargo, aproximadamente la mitad de los padres de niños con TEA informan que sospecharon un problema antes de que su hijo cumpliera un año de edad. Esto se conoce como la ‘brecha de detección’. Muchos equipos de investigación, incluido nosotros, están trabajando para reducir esta brecha”.

Fuente:

WVU researchers aim to make identifying autism easier via A.I.