La inteligencia artificial predice el autismo en niños a partir de datos médicos
Fuente: mohammad_hossan/pixabay
El autismo, también conocido como trastorno del espectro autista (TEA), es un trastorno neurológico y del desarrollo que afecta el comportamiento, la interacción social, el habla, la comunicación no verbal, la autorregulación y las relaciones interpersonales. Los síntomas del trastorno del espectro autista aparecen dentro de los primeros tres años de vida. El diagnóstico y la intervención tempranos del TEA pueden tener un gran impacto más adelante en la vida. Un nuevo estudio publicado en BMJ Health & Care Informatics muestra cómo el aprendizaje automático de inteligencia artificial (IA) y los datos de reclamos de salud del mundo real pueden predecir el trastorno del espectro autista (TEA) en niños menores de 30 meses.
«Nuestro modelo predictivo de diagnóstico de TEA podría tener un impacto significativo en las estrategias de detección de TEA en niños pequeños», escriben los autores del estudio de la Escuela de Medicina de Penn State y Penn State.
Aproximadamente cada 100 niños en todo el mundo son diagnosticados con un trastorno del espectro autista, según el estudio de 2022 «Global Autism Prevalence: An Update to a Systematic Review» financiado por los Institutos Canadienses de Investigación en Salud y la Fundación Québec-Sante.
Según la Sociedad de Autismo, la cantidad de niños diagnosticados con TEA en los Estados Unidos ha aumentado significativamente de 150 en 2000 a 1 de cada 44 en 2022 en datos de Autism Speaks.
«La identificación temprana es fundamental para los niños con autismo para garantizar que reciban una intervención oportuna y optimizar los resultados a largo plazo», escribieron los investigadores.
De acuerdo con los Institutos Nacionales de Salud (NIH), el diagnóstico y la intervención temprana para el TEA, que ocurre en los años preescolares o cuando el cerebro aún se está formando, puede tener efectos positivos significativos en el desarrollo y mejores resultados. Según el NIH, la intervención temprana en niños con autismo puede evitar que se los considere dentro del espectro del autismo más adelante en la vida.
Datos obtenidos de la base de datos de reclamos y encuentros comerciales de IBM MarketScan de más de 273 millones de reclamos de atención médica no identificados de estadounidenses entre 2005 y 2016. Para entrenar la IA, los investigadores utilizaron un subconjunto de 10 000 personas con autismo y 10 000 personas sin autismo.
Los investigadores crearon dos modelos de aprendizaje automático de IA para la predicción, uno usando regresión logística (LR), específicamente el método de operador de selección y contracción mínima absoluta (LASSO), y el otro usando bosque aleatorio (RF).
«En nuestro estudio, los modelos LASSO LR y RF mostraron una precisión prometedora en la predicción de diagnósticos de TEA en función de los datos de reclamos médicos de un individuo. Este sólido hallazgo sugiere que, al principio, la mayoría de los niños pequeños con TEA pueden tener diferentes patrones de salud. estado y necesidades de servicios de salud antes del inicio de los síntomas conductuales característicos del TEA».
El modelo de bosque aleatorio supera al modelo LASSO. Los científicos atribuyen esto al hecho de que los modelos de bosque aleatorio son mejores para capturar interacciones complejas entre predictores que los modelos de regresión logística, que tratan los efectos de múltiples variables de manera aditiva.
«Nuestro estudio demuestra la viabilidad de usar modelos de aprendizaje automático y datos de declaraciones de propiedades saludables para identificar a los niños con autismo», escribieron los científicos.
Copyright © 2022 Cami Rosso.Todos los derechos reservados.
