Los vídeos caseros de niños pueden ayudar a diagnosticar el autismo

Un nuevo estudio de la Facultad de Medicina de la Universidad de Stanford, en Palo Alto, California, Estados Unidos, concluye que se pueden usar videos caseros cortos para diagnosticar el autismo en los niños. Esta investigación, que se publica en la edición digital de 'PLOS Medicine', amplía el estudio de factibilidad de 2014 sobre el tema realizado por los mismos investigadores.

En el nuevo trabajo, los científicos emplearon el aprendizaje automático para determinar qué características del comportamiento de los niños deberían evaluarse para analizar el autismo, usando ordenadores para reducir una larga lista de características del comportamiento a las más relevantes para el diagnóstico. También diseñaron un algoritmo que evalúa cada característica para proporcionar una puntuación de diagnóstico general para cada niño.

"En Estados Unidos, el promedio de la lista de espera para obtener acceso a un estándar de atención puede durar hasta un año", señala el autor principal del estudio, Dennis Wall, profesor asociado de Pediatría y Ciencia de Datos Biomédicos en Stanford. "El uso de vídeos caseros para el diagnóstico tiene el potencial de agilizar el proceso y hacerlo mucho más eficiente", añade.

Los vídeos caseros ofrecen otra ventaja potencial para diagnosticar trastornos de comportamiento y desarrollo como el autismo. "El vídeo casero recoge al niño en su ambiente natural -destaca Wall-. El ambiente clínico puede ser rígido y artificial, y puede provocar comportamientos atípicos en los niños".

Valor del diagnóstico precoz

El autismo es un trastorno del desarrollo caracterizado por restricción de los intereses, comportamientos repetitivos y dificultad para formar conexiones sociales. Investigaciones anteriores demostraron que las terapias conductuales para el autismo funcionan mejor cuando se inician antes de los 5 años, pero las largas listas de espera para las pruebas dificultan el acceso de las familias a los tratamientos. Los diagnósticos actuales requieren mucho tiempo y una evaluación personalizada con un especialista en autismo, pero los médicos pasan unas pocas horas por paciente evaluando docenas de aspectos del comportamiento del niño.

Las largas listas de espera para las pruebas de diagnóstico dificultan el acceso de las familias a los tratamientos

En el nuevo estudio, los científicos idearon y probaron ocho modelos de aprendizaje automático para diagnosticar el autismo a partir de vídeos cortos. Cada modelo consistía en un conjunto de algoritmos que incluían de cinco a 12 características del comportamiento de los niños y producían una puntuación numérica general que indicaba si el niño tenía autismo.

Para probar los modelos, los investigadores pidieron a las familias participantes que enviaran breves vídeos caseros, de forma que recibieron 116 vídeos de niños con autismo (con una edad promedio de 4 años y 10 meses) y 46 vídeos de niños con desarrollo típico (con una edad promedio de 2 años y 11 meses) que cumplían con sus criterios: los vídeos duraron de uno a cinco minutos, mostraron la cara y las manos del niño, exhibían un compromiso social directo u oportunidades de participación, y oportunidades de usar objetos como juguetes, ceras o utensilios.

Se dieron instrucciones breves a nueve examinadores de vídeos sobre cómo evaluar cada uno, respondiendo a 30 preguntas en las que debían contestar sí/no sobre si los niños en los vídeos exhibían ciertos comportamientos, como el uso del lenguaje expresivo, el contacto visual, la expresión de emociones y la atención a objetos. Todas las preguntas de sí/no se basaron en las características de comportamiento utilizadas en las herramientas estándar de detección del autismo.

Los nueve evaluadores calificaron 50 de los vídeos, y los investigadores utilizaron estos resultados para determinar que tres evaluadores eran el número mínimo necesario para generar una puntuación fiable. Se asignaron al azar los vídeos restantes a los evaluadores, con tres evaluadores que calificaron cada vídeo.

Identificar características alineaadas con el resultado clínico 

En promedio, ver y puntuar los vídeos llevó a los evaluadores cuatro minutos cada uno. Los datos de cada vídeo, que consta de las 30 respuestas sí/no a las preguntas sobre el comportamiento del niño, se incorporaron a los ocho modelos matemáticos. Un modelo funcionó mejor, identificando el autismo con una precisión general del 88,9 por ciento, lo que incluye etiquetar correctamente al 94,5 por ciento de los niños con autismo y al 77,4 por ciento de los niños sin autismo.

Ver y puntuar los vídeos llevó a los evaluadores cuatro minutos cada uno

Para validar sus hallazgos, los investigadores repitieron el experimento con 66 vídeos adicionales: 33 de niños con autismo y 33 de niños que no tenían autismo. El mismo modelo volvió a funcionar mejor, con la identificación correcta del 87,8 por ciento de los niños con autismo y el 72,7 por ciento de los niños sin autismo.

"Demostramos que podemos identificar un pequeño conjunto de características de comportamiento que tienen una alta alineación con el resultado clínico; que los no expertos pueden calificar estas características de forma rápida e independiente en un entorno virtual digital en minutos, y que el modelo que utilizamos para combinar esas características es eficaz para producir una puntuación que coincida con el resultado clínico", resume Wall.

Las puntuaciones finales no son solo un diagnóstico de autismo de "sí o no", agrega este investigador, sino que las puntuaciones numéricas pueden contener información sobre la gravedad del trastorno y ser valiosas para rastrear el progreso a lo largo del tiempo. Wall espera que sistemas de puntuación simples de vídeos caseros ayuden a agilizar el proceso de diagnóstico de autismo.