El modelo AI ofrece ideas precisas y explicables para apoyar la evaluación del autismo

Los científicos han desarrollado y probado un modelo de aprendizaje profundo que podría apoyar a los médicos proporcionando resultados precisos y conocimientos claros y explicables, incluida una puntuación de probabilidad estimada por el modelo para el autismo.

El modelo, descrito en un estudio publicado en Eclinicedicinase utilizó para analizar datos de fMRI en estado de reposo, un método no invasivo que refleja indirectamente actividad cerebral a través de cambios en la oxigenación de sangre.

Al hacerlo, el modelo alcanzó hasta un 98% de precisión validada cruzada para el trastorno del espectro autista (TEA) y la clasificación neurotípica y produjo mapas claros y explicables de las regiones cerebrales más influyentes en sus decisiones.

Los diagnósticos de TEA han aumentado sustancialmente en las últimas dos décadas, reflejando en parte una mayor conciencia, detección ampliada y cambios en los criterios de diagnóstico y la práctica clínica. La identificación temprana y el acceso al apoyo basado en la evidencia pueden mejorar los resultados del desarrollo y adaptativo y pueden mejorar la calidad de vida, aunque los efectos varían.

Sin embargo, debido a que el diagnóstico actual se basa principalmente en evaluaciones en persona y conductuales, y la espera de un diagnóstico confirmado puede extenderse de muchos meses a varios años, hay una necesidad urgente de mejorar las vías de evaluación.

Los investigadores esperan que con una validación adicional, su modelo pueda beneficiar a las personas autistas y a los médicos que los evalúan y apoyan al proporcionar información precisa y explicable para informar las decisiones.

El estudio fue el resultado de un proyecto de pregrado de último año del estudiante de informática de BSC (Hons) Suryansh Vidya, supervisado por el Dr. Amir Aly, e investigadores de la Escuela de Ingeniería, Computación y Matemáticas de la Universidad de Plymouth. Fueron a su vez apoyados por investigadores de la Escuela de Psicología de la Universidad y del Grupo de Investigación Equitable de Discapacidad Intelectual de Cornwall (SIDER), parte de la Escuela de Medicina de la Península.

El Dr. Aly, profesor de inteligencia artificial y robótica de la Universidad y el autor académico y el autor académico del estudio, dijo: “Hay más de 700,000 personas autistas en el Reino Unido, y muchos otros están esperando ser evaluados. Debido a que el diagnóstico aún depende de la evaluación conductual en persona de un especialista, el viaje a una decisión confirmada puede llevar muchos meses y en algunas áreas, años.

“Nuestro trabajo muestra cómo la IA puede ayudar: no reemplazar a los médicos, sino apoyarlos con resultados precisos y ideas claras y explicables, incluida una puntuación de probabilidad estimada por el modelo, para ayudar a priorizar las evaluaciones y adaptar el soporte una vez más validado”.

Utilizando la cohorte de datos de datos de imágenes de Autism Brain (cumplir), que incluyó a 884 participantes de 7 a 64 años en 17 sitios, el equipo analizó los datos de RS-FMRI preprocesados ​​y realizó una comparación lado a lado de los métodos de explicación. Las técnicas basadas en el gradiente funcionaban mejor, y los mapas resultantes fueron ampliamente consistentes en los enfoques de preprocesamiento, mostrando qué regiones cerebrales influyeron más en las predicciones del modelo.

La investigación ya está siendo llevada adelante por Ph.D. El investigador Kush Gupta, coautor del estudio actual, que incorpora diferentes tipos de datos multimodales y modelos de aprendizaje automático con el objetivo de desarrollar un modelo sólido y generalizable impulsado por la IA que pueda apoyar a los médicos en la evaluación del autismo en todo el mundo. Esto complementa el programa de investigación más amplio del Dr. Aly, incluido el uso de robots para apoyar gente autistay desarrollar métodos de IA para analizar datos del sector de la salud.

El profesor Rohit Shankar MBE, profesor de neuropsiquiatría en la Universidad y director del grupo de sidra, es el autor principal del estudio actual. Añadió: “Hemos demostrado que inteligencia artificial tiene el potencial de actuar como catalizador para la detección temprana del autismo y el avance de la precisión diagnóstica. Sin embargo, algunas de las palabras de Robert Frost vienen a la mente: “Los bosques son encantadores, oscuros y profundos, pero tenemos millas por recorrer antes de dormir”. De la misma manera, estos son prototipos tempranos que requieren una mayor validación e investigación “.