Redacción
Un nuevo modelo de aprendizaje automático ha demostrado ser capaz de predecir el autismo en niños pequeños con una precisión cercana al 80%, según un estudio reciente del Karolinska Institutet en Suecia, publicado en la revista JAMA Network Open. El modelo, denominado AutMedAI, se basa en información relativamente limitada, pero ha mostrado resultados prometedores que podrían cambiar el enfoque del diagnóstico precoz del autismo en la atención sanitaria.
El equipo de investigación, liderado por Kristiina Tammimies, profesora asociada del KIND, el Departamento de Salud de la Mujer y el Niño del Karolinska Institutet, desarrolló este innovador modelo utilizando una base de datos estadounidense conocida como Spark. Esta base de datos incluye información de aproximadamente 30.000 individuos, con y sin trastornos del espectro autista (TEA).
Para construir ‘AutMedAI’, los investigadores analizaron una combinación de 28 parámetros diferentes. Estos parámetros se obtuvieron a partir de datos disponibles antes de los 24 meses de edad, sin necesidad de realizar evaluaciones exhaustivas o pruebas médicas invasivas. Entre los factores más significativos se encontraron la edad de la primera sonrisa, la primera frase corta y la presencia de dificultades para comer. Estas variables, combinadas de manera específica, fueron claves para que el modelo lograra identificar con éxito a cerca del 80% de los niños con autismo entre unos 12.000 individuos estudiados.
Shyam Rajagopalan, primer autor del estudio e investigador afiliado al Karolinska Institutet, destacó la relevancia de estos hallazgos. “Los resultados son significativos porque demuestran que es posible identificar a individuos con probabilidades de padecer autismo a partir de información relativamente limitada y fácilmente disponible”, señaló. Esto podría ser un paso crucial hacia la implementación de diagnósticos más tempranos y efectivos. Además, permitiría intervenciones terapéuticas que optimicen el desarrollo de los niños autistas.
El modelo identificó con éxito al 80% de niños con autismo entre los 12.000 niños estudiados
El diagnóstico precoz del autismo es esencial para llevar a cabo intervenciones que puedan mejorar significativamente la calidad de vida tanto de los niños afectados como de sus familias. Rajagopalan señaló que la aplicación de AutMedAI en un entorno clínico podría transformar las condiciones actuales del diagnóstico temprano. De esta manera se identificaría con mayor precisión a aquellos niños con mayores dificultades en la comunicación social, capacidad cognitiva y retrasos en el desarrollo.
Asimismo, el equipo de investigación está llevando a cabo planes para mejorar y validar el modelo en entornos clínicos reales. Además, se están explorando posibilidades para incluir información genética en futuras versiones de ‘AutMedAI’, lo que podría incrementar aún más la precisión de las predicciones.
Kristiina Tammimies enfatizó que, aunque el modelo muestra un gran potencial, todavía es necesario realizar un trabajo riguroso y una validación cuidadosa antes de que pueda ser aplicado de manera generalizada en contextos clínicos. “Nuestro objetivo es que el modelo se convierta en una herramienta valiosa para la atención sanitaria, y no pretende sustituir a una evaluación clínica del autismo”, concluyó Tammimies.
Este avance representa una esperanza significativa para la mejora de las prácticas de diagnóstico y tratamiento del autismo, proporcionando a los profesionales de la salud una herramienta adicional en la detección temprana de este trastorno, que afecta a millones de niños en todo el mundo.
