La espera para obtener un diagnóstico de autismo o TDAH puede ser un proceso desgastante y angustiante para muchas familias, quienes a menudo pasan meses e incluso más de un año sin respuestas claras sobre la condición de sus hijos. Este vacío de información se traduce en incertidumbre y ansiedad, exacerbando un reto que ya es emocionalmente complejo. La escasez de profesionales especializados en estos trastornos contribuye a que el diagnóstico se vuelva un proceso prolongado, difícil y a menudo estresante. En este contexto, el desarrollo de métodos que agilicen el diagnóstico sin comprometer su precisión se convierte en una necesidad urgente, ofreciendo alivio a miles de familias en todo el mundo.
Un avance significativo ha sido logrado por un equipo interdisciplinario de científicos de la Universidad de Indiana, quienes han desarrollado una innovadora herramienta basada en inteligencia artificial capaz de identificar trastornos del neurodesarrollo en apenas 15 minutos. Este procedimiento, publicado recientemente en la revista Scientific Reports, utiliza sensores de movimiento y algoritmos de aprendizaje profundo para clasificar a los participantes en neurotípicos, TEA (Trastorno del Espectro Autista), TDAH o una combinación de ambos. Este desarrollo no solo representa un progreso técnico, sino que también introduce la posibilidad de ofrecer estimaciones objetivas sobre la gravedad del trastorno, una dimensión que los métodos clínicos convencionales no han podido abordar hasta ahora.
El núcleo de esta investigación se centra en analizar los micromovimientos de la mano durante la interacción con una pantalla táctil. A través de un protocolo de prueba en el que se le pide a los participantes tocar objetivos que aparecen de manera aleatoria, se registran datos cinemáticos con una alta precisión. Las variaciones en estos movimientos, capturadas en milisegundos, contienen información valiosa respecto al funcionamiento neurológico de cada individuo. Investigaciones anteriores han mostrado que las personas con autismo o TDAH presentan patrones de movimiento distintivos, y esta nueva metodología confirma que estas características se pueden medir de manera cuantitativa, abriendo la puerta a nuevos enfoques en el diagnóstico.
La red neuronal desarrollada por los investigadores ha demostrado una capacidad prometedora en su precisión diagnóstica, alcanzando un 71,48% al clasificar correctamente a los participantes en las cuatro categorías clínicas. Esto se logró a través de la combinación de diferentes señales cinemáticas, lo que refuerza la idea de que estos parámetros del movimiento pueden aportar información complementaria sobre el estado neurológico de una persona. Al utilizar métricas como el área bajo la curva (AUC), se evidenció una clasificación particularmente efectiva entre los neurotípicos y aquellos diagnosticados con autismo o TDAH. La matriz de confusión genera claridad sobre la capacidad del algoritmo para distinguir entre las diferentes condiciones, lo que es fundamental para el éxito de futuras aplicaciones clínicas.
Además de facilitar el diagnóstico, esta herramienta ofrece la posibilidad de cuantificar la severidad de cada caso de autismo o TDAH mediante indicadores biométricos. Esto propone una subclasificación de los trastornos basada en datos objetivos, permitiendo, en un futuro, ajustar los tratamientos de manera más precisa. La facilidad y rapidez del proceso, que se lleva a cabo en solo 15 minutos, lo convierte en una opción viable para su implementación en clínicas y entornos educativos, donde la demanda de diagnósticos es alta. Con el respaldo de expertos en neurociencia, este avance en el uso de inteligencia artificial representa no solo un avance en el diagnóstico, sino también una transformación potencial en el seguimiento y tratamiento de los trastornos del neurodesarrollo.
