Una aplicación ayuda a la detección temprana del autismo
Una aplicación que registra las respuestas de los niños pequeños a vídeos en una tableta detectó signos tempranos de trastorno del espectro autista con un alto nivel de precisión.
Este tipo de detección digital promete mejorar la detección temprana y la intervención del autismo.
—por Vicki Contié
El trastorno del espectro autista (TEA) es una afección compleja marcada por desafíos en la comunicación social y la presencia de conductas repetitivas. Se llama condición de “espectro” porque las características de comportamiento y su grado pueden variar ampliamente en diferentes personas. Los signos de TEA suelen aparecer en los dos primeros años de vida. El diagnóstico y la intervención tempranos pueden mejorar los resultados de las personas en el espectro del autismo. Pero el TEA puede ser difícil de diagnosticar.
Los niños suelen ser examinados para detectar TEA a una edad temprana durante las visitas médicas de niño sano. La evaluación estándar se basa en un cuestionario para el cuidador. Pero este método ha demostrado ser menos preciso en entornos de atención médica del mundo real que en estudios de investigación. Por eso, los científicos han estado trabajando para desarrollar herramientas de detección precisas y fáciles de usar para mejorar la detección temprana.
Hace dos años, un equipo de investigación dirigido por los Dres. Geraldine Dawson y Guillermo Sapiro de la Universidad de Duke informaron resultados prometedores de un prototipo de aplicación móvil que podría detectar patrones distintivos de la mirada en niños pequeños a los que luego se les diagnosticó TEA. Los datos de la aplicación mostraron que los niños con TEA tenían menos probabilidades de concentrarse en el contenido social de los videos y tenían dificultades para seguir visualmente las conversaciones.
Para su último estudio, los investigadores desarrollaron y probaron una nueva aplicación para tableta llamada SenseToKnow. Esta aplicación experimental recopila datos no solo sobre la mirada del niño sino también sobre las expresiones faciales, la atención, los movimientos de la cabeza y otros comportamientos relacionados con el TEA. Un algoritmo combina y cuantifica estas diversas medidas digitales. Se utilizó el aprendizaje automático para ajustar el peso de diferentes medidas para mejorar las capacidades predictivas de la aplicación.
Un niño pequeño mira una película en una tableta mientras ésta rastrea características como el movimiento de los ojos, la mirada y el movimiento de la cabeza. Universidad de Duke
La aplicación se probó en 475 niños, de entre 17 meses y 3 años, durante visitas pediátricas de bienestar infantil. Durante una sesión de 10 minutos, el niño se sentó en el regazo de un cuidador e interactuó con la aplicación. Los resultados aparecieron en línea en Nature Medicine el 2 de octubre de 2023.
Cuarenta y nueve de los niños pequeños fueron diagnosticados posteriormente con TEA y 98 con retraso en el desarrollo sin TEA. Los investigadores descubrieron que la aplicación SenseToKnow identificó correctamente alrededor del 88% de los niños a los que luego se les diagnosticó TEA. Esta habilidad era similar en diferentes sexos, razas y etnias. La aplicación también identificó correctamente a más del 80% de los niños que no tenían TEA. Sin embargo, esto fue menor para los niños negros (54%) en comparación con otros. Actualmente se están realizando estudios más amplios para evaluar más completamente el valor predictivo de la aplicación entre poblaciones diversas.
Los investigadores encontraron que de todos los niños pequeños que dieron positivo en la prueba de TEA, solo el 41 por ciento fueron diagnosticados posteriormente con la afección, pero eso fue una mejora significativa con respecto al 15 por ciento encontrado en estudios que utilizaron solo un cuestionario para cuidadores. Cuando los datos de detección de la aplicación se combinaron con los datos de los cuestionarios de los cuidadores, la probabilidad de que una prueba positiva condujera a un diagnóstico de TEA aumentó a más del 63%. Los investigadores señalan que la detección que se basa en la integración de datos de múltiples fuentes probablemente mejorará los resultados.
«Existe una amplia gama de experiencia entre los proveedores de atención médica para conocer y poder reconocer todos los signos potenciales de que un niño se encuentra en el espectro del autismo», explica Dawson. «Esta aplicación podría ayudar a los médicos a centrarse en las áreas en las que el niño necesita ayuda, así como a identificar áreas fuertes».
NIH USA