Um novo modelo de aprendizado de máquina pode prever o autismo em crianças pequenas a partir de informações relativamente limitadas, de acordo com um novo estudo do Karolinska Institutet, publicado na revista JAMA Network Open. Esse modelo pode facilitar a detecção precoce do autismo, o que é importante para oferecer o suporte adequado.
Kristiina Tammimies, Professora Associada do KIND, o Departamento de Saúde da Mulher e da Criança do Karolinska Institutet e uma das autoras do estudo, afirma: “Com uma precisão de quase 80% para crianças com menos de dois anos, esperamos que este seja uma ferramenta valiosa para a saúde.”
A equipe de pesquisa utilizou uma grande base de dados dos EUA (SPARK) com informações de aproximadamente 30.000 indivíduos com e sem transtornos do espectro autista.
Ao analisar uma combinação de 28 parâmetros diferentes, os pesquisadores desenvolveram quatro modelos de aprendizado de máquina distintos para identificar padrões nos dados. Os parâmetros selecionados foram informações sobre as crianças que podem ser obtidas sem avaliações extensas e testes médicos antes dos 24 meses de idade. O modelo que obteve o melhor desempenho foi nomeado “AutMedAI.”
Entre cerca de 12.000 indivíduos, o modelo AutMedAI foi capaz de identificar cerca de 80% das crianças com autismo. Em combinação específica com outros parâmetros, a idade do primeiro sorriso, a primeira frase curta e a presença de dificuldades alimentares se mostraram fortes preditores de autismo.
Shyam Rajagopalan, outro autor do estudo, pesquisador afiliado no mesmo departamento do Karolinska Institutet e atualmente professor assistente no Instituto de Bioinformática e Tecnologia Aplicada, na Índia, afirma: “Os resultados deste estudo são significativos porque mostram que é possível identificar indivíduos que provavelmente têm autismo a partir de informações relativamente limitadas e facilmente disponíveis.”
De acordo com os pesquisadores, o diagnóstico precoce é fundamental para implementar intervenções eficazes que podem ajudar crianças com autismo a se desenvolverem de maneira ideal.
“Esta ferramenta pode mudar drasticamente as condições para o diagnóstico precoce e intervenções, e, em última análise, melhorar a qualidade de vida de muitos indivíduos e suas famílias,” diz Rajagopalan.
No estudo, o modelo de IA apresentou bons resultados na identificação de crianças com mais dificuldades em comunicação social e habilidades cognitivas, além de apresentarem mais atrasos no desenvolvimento.
A equipe de pesquisa agora está planejando mais melhorias e validação do modelo em ambientes clínicos. O trabalho também está em andamento para incluir informações genéticas no modelo, o que pode levar a previsões ainda mais específicas e precisas.
“Para garantir que o modelo seja confiável o suficiente para ser implementado em contextos clínicos, é necessário um trabalho rigoroso e validações cuidadosas. Quero enfatizar que nosso objetivo é que o modelo se torne uma ferramenta valiosa para a saúde, não se destinando a substituir uma avaliação clínica do autismo,” diz Tammimies.
Fonte de informação:
Shyam Rajagopalan et al. [Predição de Transtorno do Espectro Autista por Aprendizado de Máquina a partir de um Conjunto Mínimo de Informações Médicas e de Contexto, JAMA Network Open (2024)]. DOI: 10.1001/jamanetworkopen.2024.29229
