Logran con inteligencia artificial diagnosticar El Autismo

Logran con inteligencia artificial diagnosticar El Autismo

Consiguieron que la Inteligencia Artificial (IA) pudiera diagnosticar el autismo en niños basándose en imágenes de sus ojos con un 100% de precisión. Uno de los mayores avances científicos en inteligencia artificial llegará a finales de 2023.

Un estudio publicado en JAMA Network Open muestra que la nueva tecnología de inteligencia artificial puede diagnosticar el autismo en niños con un 100% de precisión utilizando fotografías de los ojos de los niños. Como describen investigadores de la Facultad de Medicina de la Universidad Yonsei de Corea del Sur en un artículo publicado recientemente, tomaron imágenes de las retinas de 958 niños de entre 4 y 8 años.

Inteligencia artificial para diagnosticar Autismo

El siguiente paso fue fotografiar la retina y obtener un total de 1.890 imágenes. El artículo también explica que la mitad de los participantes ya habían sido diagnosticados con trastorno del espectro autista (TEA) y la otra mitad eran controles de la misma edad y sexo.

La gravedad de los síntomas del TEA se evaluó utilizando puntuaciones de gravedad calibradas del Programa de observación de diagnóstico de autismo – Segunda edición (ADOS-2) y la Escala de capacidad de respuesta social – Segunda edición (SRS-2). Finalmente, se entrenó un algoritmo de inteligencia artificial de aprendizaje profundo, una red neuronal convolucional, en el 85% de las imágenes de la retina junto con puntuaciones de gravedad de los síntomas.

Trastorno del espectro autista, diagnosticado con la IA

Todo esto se basa en la idea de permitir que el algoritmo cree un modelo basado en el diagnóstico. ¿Qué pasa con el 15% restante de las instantáneas? En este caso, se guardaron para que los investigadores pudieran probarlas. Según el estudio, la evaluación se basa en un nuevo método desarrollado por investigadores británicos que puede acceder a información sobre el cerebro mirando la parte posterior del ojo, el disco donde están conectados la retina y el nervio óptico.

Este método ha permitido el desarrollo de un medio no invasivo para diagnosticar rápidamente las conmociones cerebrales dirigiendo un láser seguro para los ojos a la retina. Y en este punto, todos los científicos se sorprendieron porque en esta etapa de prueba del estudio, la IA pudo diagnosticar el autismo infantil en los participantes con un 100 por ciento de precisión.

Diagnosticado de TEA con inteligencia artificial

Aparentemente, para detectar el trastorno en el conjunto de imágenes de prueba, la IA pudo seleccionar niños con un diagnóstico de TEA con un área promedio bajo la curva característica operativa del receptor (curva ROC) de 1,00 (el valor de esta curva es (varía de 0 a 0). 1). Así, un modelo que se equivoque al 100% en sus predicciones tendrá una curva de 0,0. Además, una predicción que es 100% correcta tiene una curva de 1,0, lo que indica que las predicciones de la IA en el estudio fueron sorprendentemente precisas y libres de errores.

De hecho, no hubo una disminución notable en la curva promedio incluso cuando se eliminó el 95% de la región de la imagen menos importante (la región que no contiene el disco óptico). Explican en su libro: Nuestro modelo muestra resultados prometedores a la hora de diferenciar entre TEA y TD (niños con discapacidades del desarrollo) mediante fotografía de retina, lo que plantea la posibilidad de que los cambios retinianos en el TEA puedan ser potencialmente valiosos como biomarcadores.

Curiosamente, estos modelos mantuvieron un AUROC promedio de 1,00, y solo el 10 % de las imágenes contenían el disco óptico, lo que sugiere que esta región es importante para diferenciar el TEA del TD. Nuestros resultados sugieren que la fotografía de retina puede proporcionar información adicional sobre la gravedad de los síntomas.

• Clasificación real de puntuaciones ADOS-2, pero no de SRS-2.
• Evaluación más precisa de ADOS-2 debido a la capacitación de los profesionales.
• Limitación en la evaluación rápida de SRS-2.

Descubrimos que la clasificación real sólo se puede lograr para las puntuaciones ADOS-2, pero no para las puntuaciones SRS-2. Esto puede deberse a que el ADOS-2, completan profesionales capacitados que tienen tiempo suficiente para la evaluación, mientras que el SRS-2 generalmente lo completan enfermeras en unos pocos minutos.

Por lo tanto, el primero reflejará con mayor precisión la seriedad de cada persona que el segundo. Aunque se necesitan investigaciones futuras para establecer la generalización, nuestro estudio aborda cuestiones urgentes como la falta de disponibilidad de evaluaciones psiquiátricas infantiles especializadas debido a los recursos limitados.

Este es un paso notable hacia el desarrollo de una herramienta de detección objetiva para el TEA que podría ser útil para los niños. El estudio concluye la presentación recordando a los participantes que tienen al menos 4 años y confirmando que los modelos basados ​​en IA pueden utilizarse como herramientas de detección objetiva a partir de esa edad.

¿Y por qué no se diagnosticaba así el Autismo antes?

Debido a que la retina neonatal continúa creciendo hasta los 4 años, se necesita más investigación para determinar si esta herramienta es adecuada para participantes más jóvenes.

Una de las razones por las cuales esta tecnología no se había implementado antes es la falta de conocimiento sobre cómo la inteligencia artificial podría aplicarse al autismo de inteligencia. Los avances recientes han permitido una mayor comprensión y aplicación de métodos de IA en la evaluación de condiciones neurológicas complejas.

Referencias de la investigación:

https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2812964?utm_source=For_The_Media&utm_medium=referral&utm_campaign=ftm_links&utm_term=121523

https://www.scimex.org/newsfeed/ai-eye-test-for-autism-in-kids-may-be-able-to-tell-how-severe-it-is

https://en.wikipedia.org/wiki/Autism_Diagnostic_Observation_Schedule

https://es.wikipedia.org/wiki/Red_neuronal_convolucional

https://www.science.org/doi/10.1126/sciadv.adg5431

https://es.wikipedia.org/wiki/Curva_ROC