Detectar los trastornos del espectro autista (TEA) durante la primera infancia permitiría una intervención temprana que favorece el desarrollo e integración social de los menores afectados y si bien la Academia Estadounidense de Pediatría recomienda la detección universal en los niños de 18 a 24 meses, actualmente el diagnóstico puede retrasarse hasta los 3 o 4 años.
Ahora, un nuevo estudio mostró que un conjunto de herramientas automatizadas podría ser capaz de predecir el autismo desde el primer mes de vida del bebé. Los investigadores de la Universidad de Duke elaboraron un algoritmo empleando los datos de salud procedentes de niños menores de un año.
Geraldine Dawson, directora del Centro Duke para el Autismo y el Desarrollo Cerebral y autora del estudio que se publicó en JAMA Network Open, explicó que los hallazgos también confirman que el autismo no solo afecta al cerebro, sino a todo el organismo, ya que puede “incluir alteraciones digestivas, del sueño, neurológicas y de la vista, entre otras”.
/cloudfront-us-east-1.images.arcpublishing.com/artear/WGPGEZ5BFBGNREJVQSFC6RPAIU.jpg)
“Necesitamos pensar en el autismo no solo como una afección de tipo conductual, sino también como una afección que involucra la salud física. Esta es una forma de aprovechar esa información: hacer un mejor trabajo en la detección temprana”, expresó.
Inteligencia artificial para el diagnóstico precoz del autismo
El objetivo de los investigadores era diseñar herramientas que pudieran detectar el autismo a los 30, 60, 90, 180, 270 y 360 días de edad, y para ello entrenaron y evaluaron modelos de aprendizaje automático empleando los registros médicos electrónicos de 45.080 niños atendidos en el Sistema de Salud de la Universidad de Duke cuando tenían menos de un mes (entre enero de 2006 y diciembre de 2020).
El algoritmo que desarrollaron con este método pudo predecir cuáles de estos bebés serían diagnosticados con autismo e, incluso, diferenciarlos de los que desarrollarían TDAH (trastorno por Déficit de Atención e Hiperactividad) u otras alteraciones neurológicas. Para determinar el rendimiento del modelo, estos científicos midieron la sensibilidad, la especificidad y el valor predictivo positivo (PPV) y compararon sus predicciones con las encuestas de cuidadores que se suelen utilizar en las pruebas de detección de autismo.
Además, los especialistas se fijaron especialmente en cómo funcionó el modelo en grupos de niños que con frecuencia pasan desapercibidos en los métodos de detección estándar, por lo que no reciben un diagnóstico temprano y pierden las ventajas que ello supone. El 1,5% de los niños incluidos en el estudio (924) cumplió con los criterios de autismo, el rendimiento del modelo a los 30 días de edad alcanzó una sensibilidad del 45,5% y un PPV del 23% con una especificidad del 90%, que fue similar al rendimiento asociado con las encuestas de cuidadores recogidas entre los 18 y los 24 meses.
Según Dawson, si los hallazgos se confirman en nuevos estudios, el algoritmo se podría utilizar junto con otras herramientas de detección, informes de los padres y observaciones médicas. “Gracias a que esta herramienta que recopila información de forma automática a medida que el niño recibe atención, podría alertar a un pediatra de que, según el patrón de uso del niño, tiene una mayor probabilidad de un diagnóstico posterior de autismo”, afirmó. “El objetivo sería que el pediatra vigile más estrechamente a este bebé”, indicó.
Fuente: Tn