Para llevar a cabo este estudio, investigadores de las universidades de Montreal y McGill, en Canadá, han utilizado inteligencia artificial (IA) para analizar más de 4.200 informes clínicos de niños con sospecha de autismo en Montreal. Los comportamientos repetitivos y los intereses especiales son más indicativos de un diagnóstico de autismo que la falta de habilidades sociales.
Revisión del diagnóstico del autismo
Actualmente, el diagnóstico del autismo se basa en evaluaciones clínicas que consideran dos categorías principales: dificultades en la comunicación e interacción social, y comportamientos o actividades restringidas y repetitivas. Sin embargo, la investigación señala que los criterios relacionados con la socialización, como la reciprocidad emocional y la comunicación no verbal, no son exclusivos del autismo, ya que también se observan en niños sin este trastorno.
En contraste, los comportamientos repetitivos y los intereses extremadamente específicos parecen estar mucho más vinculados con el diagnóstico de TEA. Estos incluyen acciones como el balanceo constante del cuerpo, la alineación obsesiva de objetos o la focalización intensa en temas particulares, los cuales, según el estudio, presentan una correlación más fuerte con el trastorno.
El Dr. Laurent Mottron, investigador clínico en psiquiatría de la Universidad de Montreal y coautor del estudio, enfatiza la necesidad de revisar los criterios diagnósticos basándose en datos empíricos y en la certeza clínica. “El diagnóstico del autismo ha evolucionado con el tiempo, pero aún se basa en modelos subjetivos que pueden conducir a errores. Nuestra investigación sugiere que un enfoque más basado en datos puede mejorar la precisión”, afirmó Mottron.
El papel de la inteligencia artificial en la detección del autismo
La falta de marcadores biológicos específicos para el autismo en genes, sangre o cerebro hace que el diagnóstico dependa en gran medida de la evaluación clínica. Este estudio propone que una revisión basada en datos podría complementar y mejorar las decisiones tomadas por paneles de expertos, reduciendo posibles errores y sobrediagnósticos.
La inteligencia artificial fue utilizada en este estudio para analizar patrones dentro de los informes clínicos y determinar qué aspectos tienen mayor peso en el diagnóstico de TEA. El sistema identificó que muchos niños diagnosticados con autismo a partir de dificultades en la interacción social podrían haber sido clasificados erróneamente. En cambio, aquellos que mostraban patrones de comportamiento repetitivo tenían una probabilidad mucho más alta de ser correctamente diagnosticados.
Mottron sugiere que, para mejorar la precisión en las evaluaciones, las autoridades sanitarias deberían aprovechar las capacidades analíticas de la IA combinadas con la experiencia médica para elaborar mejores criterios diagnósticos.
Implicaciones del estudio para la comunidad médica y educativa
Estos hallazgos podrían tener implicaciones significativas en la forma en que se diagnostica el autismo, sugiriendo un enfoque más centrado en comportamientos específicos y menos en dificultades sociales. Esto no solo permitiría diagnósticos más precisos, sino que también podría afectar el acceso a tratamientos e intervenciones más personalizadas para las personas con TEA.
En el ámbito educativo, este cambio en el enfoque podría ayudar a diseñar estrategias más efectivas para la inclusión de niños con autismo, adaptando los programas educativos según las verdaderas necesidades de los estudiantes.
Además, la posibilidad de reducir sobrediagnósticos puede tener implicaciones en el acceso a recursos de apoyo. Si los criterios de diagnóstico son más precisos, los servicios podrían distribuirse de manera más eficiente.
Hacia una nueva era en el diagnóstico del autismo
Este estudio abre un nuevo debate dentro de la comunidad científica sobre la necesidad de actualizar las herramientas y enfoques para diagnosticar el autismo. Si bien la inteligencia artificial no reemplazará a los especialistas, sí podría convertirse en una herramienta valiosa para mejorar la precisión y eficacia en la identificación del TEA.
A medida que avanza la tecnología y la investigación, es probable que los criterios de diagnóstico del autismo continúen evolucionando. Este estudio demuestra que el uso de IA en el ámbito clínico puede aportar información clave para mejorar el bienestar de las personas con autismo y optimizar los recursos de salud disponibles.
