IA i ciència de dades: la nova frontera de la investigació sobre l’autisme
Els investigadors de la USC combinen grans conjunts de dades i aprenentatge automàtic per obrir nous camins a la recerca sobre l’autisme.
En analitzar grans conjunts de dades de ritmes cardíacs i activitat d’ones cerebrals amb intel·ligència artificial i aprenentatge automàtic, un equip de la University of South Carolina avança cap a una millor comprensió del trastorn de l’espectre autista i la identificació de biomarcadors de diagnòstic del TEA.
Jessica Bradshaw i Caitlin Hudac, del Departament de Psicologia, col·laboren amb Christian O’Reilly, membre de la facultat d’informàtica i enginyeria, per buscar patrons i marcadors potencials de TEA i més.
“Crec que el punt clau de la nostra col·laboració és comprendre com podem utilitzar tota la informació que estem recopilant i combinar-la, i és aquí on la IA i l’aprenentatge automàtic són tan importants”, diu Hudac, director del Carolina Autism and Neurodevelopment Research Center.
“Les meves dades són importants per comprendre quins substrats cerebrals estan responent, i les dades de la Dra. Bradshaw ens mostren trajectòries de creixement en dominis rellevants per a l’autisme. El que realment cal fer és ajuntar totes aquestes peces en un sol recipient per comprendre cada individu”.
Identificar biomarcadors fiables de TEA per diagnosticar el trastorn poc després del naixement, en contraposició a la norma estàndard de diagnòstic als 3 o 4 anys o més, utilitzant marcadors de comportament, seria un gran avenç, diu Bradshaw, perquè permetria una intervenció terapèutica molt més primerenca. La feina dels investigadors també podria ajudar a assenyalar el camí cap al diagnòstic diferencial.
“Una cosa és dir: ‘Crec que aquest nen cau sota l’ampli espectre del TEA’. Però, què passaria si aquest paraigua es dividís en subgrups (persones que estan a l’espectre per diferents raons) als quals se’ls podria assignar l’enfocament terapèutic que els ajudaria millor?”, diu O’Reilly, que també és professor afiliat a l’Artificial Intelligence Institute de la universitat.
Les eines d’intel·ligència artificial i aprenentatge automàtic d’O’Reilly tenen com a objectiu comprendre i diferenciar millor els mecanismes fisiològics involucrats al TEA utilitzant ECG (cor), EEG (cervell) i altres dades fisiològiques i de comportament de nadons i nens recopilats pels grups de recerca de Bradwsahw, Hudac i altres a USC.
«L’objectiu és prendre totes les nostres dades de freqüència cardíaca i atenció visual en nadons molt petits i intentar comprendre, utilitzant l’aprenentatge automàtic, com aquestes característiques juntes podrien predir l’autisme«, diu Bradshaw. “En diem modelar la dinàmica autònoma, atencional i conductual de l’autisme”.
L’equip de Bradshaw està recopilant dades de 200 nadons a Carolina del Sud i més enllà que tenen germans ja diagnosticats amb TEA, alguns amb factors de risc com naixement prematur i altres que tenen una baixa probabilitat de TEA sense factors de risc coneguts. El projecte de cinc anys seguirà els nadons fins a tres anys, quan rebran una avaluació diagnòstica integral de l’autisme.
Hudac va portar a la USC un gran conjunt de dades d’activitat cerebral registrada, un llegat dels gairebé 15 anys d’investigació en l’exploració del procés biològic associat amb l’autisme i la comprensió de com els individus autistes naveguen pel món. El seu equip continua augmentant aquest conjunt de dades amb nous enregistraments.
«Estem tractant de comprendre com les persones amb TEA assimilen informació, li donen sentit i després trien actuar de manera determinada«, diu Hudac. “Hi ha passos conductuals clau que podem observar per veure com diferents nens tenen diferents processos cerebrals per a aquests passos. Estem registrant cada mil·lisegon de la seva activitat cerebral a mesura que processen i reaccionen a la informació, de manera que podem descodificar el que passa i comparar-ho amb l’activitat cerebral dels nens neurotípics”.
A més d’identificar biomarcadors del TEA, Hudac diu que la investigació del TEA a la USC i més enllà podria ajudar a informar noves direccions a la teràpia del TEA.
“Crec que aquest és l’objectiu de tothom. Però a mesura que comencem a explorar com diferents eines ens poden portar més ràpid, encara hi ha moltes limitacions humanes amb les dades d’imatges i EEG que hem de processar”, diu Hudac. “És més complicat, intentar assegurar-nos que les dades que obtinguem ens ajudin en aquest sentit terapèutic. Tot i això, crec que serà absolutament fonamental i cap camp pot aconseguir que això passi per si sol: serà una dècada emocionant en la investigació del TEA”.