Els investigadors estan utilitzant l’aprenentatge automàtic per detectar l’autisme en nens.
Una col·laboració interdisciplinària està utilitzant algorismes d’aprenentatge automàtic d’Amazon Web Services per connectar les expressions facials dels nens amb possibles signes de TEA – detectar l’autisme en nens petits amb aprenentatge automàtic.
Durant més de cinc anys, investigadors de Duke Engineering i de la Duke University School of Medicine han estat treballant per crear una aplicació que pugui ajudar a detectar l’autisme en nens petits amb aprenentatge automàtic. Amb els resultats del primer estudi pilot, el seu treball està conduint a noves idees sobre el trastorn de l’espectre autista (TEA) i té el potencial de transformar la manera com es controla i es monitora el desenvolupament dels nens.
Detectar l’autisme en nens petits amb aprenentatge automàtic
“El nadons que desenvolupen autisme normalment no presten atenció als senyals socials”, va dir Geraldine Dawson, directora del Duke Center for Autism and Brain Development, en un article publicat a Wired. “Estan més interessats en coses no socials, com joguines o objectes. També són menys expressius emocionalment. Somriuen menys, sobretot en resposta a esdeveniments socials positius”.
L’aplicació primer administra formularis de consentiment del cuidador i preguntes d’enquesta, i després utilitza la càmera “selfie” del telèfon per recollir vídeos de les reaccions dels nens petits mentre veuen pel·lícules dissenyades per provocar comportaments de risc d’autisme, com ara patrons d’emoció i atenció, a la pantalla del dispositiu.
Els vídeos de les reaccions del nen s’envien als servidors de l’estudi, on el programari automàtic de codificació del comportament fa un seguiment del moviment dels punts de referència del vídeo a la cara del nen i quantifica les emocions i l’atenció del nen. Per exemple, en resposta a una pel3·lícula curta de bombolles que suren per la pantalla, l’algoritme de codificació de vídeo busca moviments de la cara que indiquen alegria.
L’estudi inicial, des del consentiment informat fins a la recollida de dades i l’anàlisi preliminar, es va realitzar amb una aplicació disponible gratuïtament a l’Apple Store i basada en la plataforma de desenvolupament de codi obert ResearchKit d’Apple (Vídeo: https://apple.com/researchkit).
Algorismes d’aprenentatge automàtic
Guillermo Sapiro, professor d’enginyeria elèctrica i informàtica, està utilitzant Amazon Web Services i eines anomenades TensorFlow i PyTorch per crear algorismes d’aprenentatge automàtic que connectin les expressions facials i els moviments oculars dels nens amb possibles signes de TEA. El seu grup també està utilitzant aquestes eines de computació en núvol per desenvolupar nous algorismes d’aprenentatge automàtic per a filtres de privadesa per a les imatges i els vídeos que recullen.
A través de l’aplicació, l’equip de Duke va poder recopilar dades de comportament d’uns 1.700 nens, molt més que els 50 a 100 que es troben normalment en un estudi de TEA. Amb aquesta quantitat de dades a la mà, els investigadors han trobat fins ara que l’aplicació és gairebé un 90 per cent de precisió per a alguns subconjunts de comportaments.
“Com més algorismes, més persones, més recursos posem a aquestes dades, millors són els resultats potencials per als pacients”, va dir Sapiro en un article sobre Wired. “M’agradaria que tots els nens del món poguessin trobar-se amb un especialista en TEA, però això no és realista. Si poguéssim oferir un cribratge de TEA a gran escala, seria una contribució enorme”.
Llegit a: