La prueba de autismo con IA puede detectar la afección con un 100% de precisión basándose en un simple escaneo ocular, según un estudio, pero ¿es demasiado bueno para ser verdad?
Los escáneres de retina son todo lo que se necesita para determinar quién tiene autismo, encontró el estudio
Los científicos dijeron que detectaba niños autistas y no autistas con un 100% de precisión.
Pero los expertos en autismo dijeron a DailyMail.com que estos resultados son casi imposibles.
Por PETER HESS PARA DAILYMAIL.COM
Según un nuevo estudio, una herramienta de inteligencia artificial puede detectar el trastorno del espectro autista con una precisión del 100 por ciento, simplemente escaneando imágenes de los ojos de los niños.
Si se confirma, este sería un gran avance para detectar la afección. Pero varios expertos en autismo dijeron a DailyMail.com que la cifra no es realista y que el resultado probablemente sea "demasiado bueno para ser verdad".
Se estima que el autismo afecta a 1 de cada 36 niños en los EE. UU., pero muchos niños permanecen sin ser diagnosticados hasta más tarde en la infancia, privándolos de posibles terapias.
Si una solución tecnológica pudiera ayudar a reducir las largas esperas para recibir a los especialistas en autismo u otros obstáculos para el diagnóstico, podría beneficiar a millones de familias.
Una nueva herramienta de inteligencia artificial puede detectar el autismo con un 100% de precisión a partir de escáneres de retina, dicen sus inventores. Los expertos en autismo no están convencidos y dicen que los resultados son "demasiado buenos para ser verdad".
El autismo es una condición que implica un desarrollo cerebral alterado y el nervio óptico conecta la retina con el cerebro en un camino muy corto.
Por tanto, es lógico que las diferencias cerebrales puedan reflejarse en los ojos.
Decenas de medios de comunicación se hicieron eco de la noticia sobre la herramienta de inteligencia artificial , desarrollada por un equipo de investigadores de la Universidad de Yonsei en Seúl.
Pero los expertos dicen que es demasiado pronto para confiar en estos hallazgos y que la investigación genera múltiples señales de alerta, comenzando con esa cifra de precisión del 100 por ciento.
"Es evidente que algo anda mal aquí", dijo a DailyMail.com Fred Shic, investigador de autismo en el Hospital Infantil de Seattle y la Universidad de Washington . Shic investiga técnicas de imágenes y seguimiento ocular en niños autistas.
No hay manera de que esta prueba sea más precisa que la de los médicos, dijo a DailyMail.com . "Esa fiabilidad no es del 100 por ciento, ni siquiera entre los mejores médicos del mundo".
Otros expertos en autismo comparten el escepticismo de Shic.
"Parece demasiado bueno para ser verdad", dijo a DailyMail.com Cathy Lord, distinguida profesora de psiquiatría de la Universidad de California en Los Ángeles .
Lord es el cocreador del Programa de observación de diagnóstico de autismo - Segunda edición (ADOS-2), la herramienta clínica de referencia utilizada para evaluar a los niños en el nuevo estudio.
Dijo que espera que otros investigadores intenten replicar los hallazgos, realizando el experimento nuevamente y comparando los resultados con este.
"Parece que vale la pena intentar replicarlo, pero soy muy escéptica", añadió.
La nueva herramienta no debe considerarse un dispositivo de diagnóstico, sino un estudio de prueba de concepto que examina un posible objetivo para la detección del autismo, dijeron los autores del estudio en una declaración conjunta a DailyMail.com .
"Aunque estas diferencias sutiles no son detectables por el ojo humano, creemos que nuestro modelo de IA es capaz de detectar estas diferencias sutiles pero clínicamente significativas", escribieron el profesor de informática de sistemas biomédicos Yu Rang Park y el profesor de psiquiatría infantil y adolescente Keun-Ah Cheon. .
En el estudio en cuestión participaron 958 niños: 479 con autismo y 479 sin autismo.
Ambos grupos tenían la misma división de niños y niñas (82 por ciento niños y 18 por ciento niñas), lo que se alinea con la proporción de sexos de 4:1 que se encuentra en la mayoría de los países.
Los investigadores alimentaron imágenes de retinas de niños para entrenar el algoritmo, excluyendo a niños con otras condiciones psiquiátricas que podrían complicar o confundir los resultados.
Los especialistas examinaron a los niños con el ADOS-2 para confirmar que tenían autismo y evaluar qué tan pronunciados eran sus rasgos de autismo.
Se entrenó una red neuronal profunda para utilizar escáneres de retina para diferenciar entre niños con y sin autismo. También aprendió cómo conectar la gravedad del rasgo del autismo con los escáneres de retina.
Se ha descubierto que los escáneres de retina son eficaces para detectar algunas afecciones, como el Alzheimer.
Cuando la herramienta de IA se probó en un grupo de niños diferente al que fue entrenado, detectó con precisión el diagnóstico de los niños el 100 por ciento de las veces, según el estudio, que se publicó en JAMA Network Open .
Además, podría determinar la gravedad del autismo con aproximadamente un 74 por ciento de precisión basándose únicamente en escáneres de retina, encontraron los investigadores.
La idea de escanear la retina para detectar el autismo es "intrigante y prometedora", dijo a DailyMail.com Geri Dawson, directora de la Clínica de Autismo de Duke . "Los cambios en la retina también se han utilizado para predecir la enfermedad de Alzheimer."
Múltiples estudios han demostrado que las personas autistas y neurotípicas tienen diferencias significativas en los nervios de la retina, lo que motivó a Park y Cheon a realizar el nuevo estudio, dijeron.
Pero es necesario seguir trabajando para determinar si las diferencias entre los dos grupos de niños se deben al autismo o a algún otro factor, dijeron otros expertos.
"Las diferencias podrían ser un indicador de cambios cerebrales asociados más ampliamente con la discapacidad cognitiva, por ejemplo", afirmó Dawson. "Además, los autores señalan que muchos de los participantes autistas estaban tomando medicamentos que podrían haber afectado la retina".
El cociente intelectual (CI) promedio del grupo de autismo era 70, justo en el límite de un diagnóstico de discapacidad intelectual.
Sin embargo, los investigadores no informaron las puntuaciones de coeficiente intelectual de los niños no autistas, por lo que este factor no contabilizado complica el estudio, dijo a DailyMail.com Thomas Frazier, profesor de psicología de la Universidad John Carroll .
"Esto hace que la comparación con [los niños con desarrollo típico] sea aún menos realista para fines clínicos", afirmó.
Park y Cheon estuvieron de acuerdo con esta limitación y los estudios futuros la abordarán, dijeron.
Pero incluso ese factor no explicaría una precisión del 100 por ciento, dijo Lord.
"Si fuera sólo el coeficiente intelectual, todavía esperarías resultados menos perfectos".
Varios equipos de investigación están trabajando en aplicaciones para teléfonos inteligentes o tabletas para detectar el autismo, pero estas aplicaciones se centran en la atención social, no en escáneres de retina.
El propio modelo de IA también podría ser el problema, afirmaron varios expertos.
Algo además de la retina que revela el diagnóstico de un niño puede de alguna manera incluirse en las imágenes, empujando a la IA a su cifra poco realista del 100 por ciento, dijo Shic.
"Esto podría ser tan simple como una palabra que describa la fuente de datos de clínicas especializadas [en autismo]", dijo. También podría incluir cambios sutiles en la calidad de la imagen entre los dos grupos.
En una conferencia de ingeniería acústica en 2013, el laboratorio de Shri Narayanan participó en un desafío en el que desarrollaron un método para identificar niños autistas a partir de grabaciones de voz.
Lograron resultados muy sólidos, dijo a DailyMail.com Narayanan, profesor universitario y catedrático Nikias de Ingeniería en la Universidad del Sur de California.
Pero resultó que eran causados por un factor oculto: la calidad del sonido.
El rendimiento de su sistema se debió en realidad a la diferencia entre las ruidosas aulas principales y las silenciosas aulas de educación especial (una diferencia reflejada en las grabaciones de voz) "que proporcionaron incorrectamente la respuesta aparentemente correcta", dijo.
"Si bien la promesa de poder detectar y diagnosticar una afección clínica con datos y nuevas herramientas (de IA) es apasionante y puede tener un impacto, debe hacerse con extremo cuidado y precaución", afirmó Narayanan.
Pero Park y Cheon mantuvieron su modelo de IA y observaron que nueve características específicas de la retina mostraban diferencias estadísticamente significativas entre los dos grupos de niños.
Además, las imágenes fueron "medidas en el mismo departamento de la misma institución utilizando el mismo protocolo", dijeron.
"Sin embargo, el grupo [neurotípico] utilizó datos acumulados retrospectivamente, por lo que puede haber diferencias debido a cambios en el equipo", pero incluso si hay diferencias entre dispositivos, estudios anteriores han demostrado que no deberían afectar la calidad de la imagen, dijeron.
Además, realizaron múltiples pruebas estadísticas para tener en cuenta cualquier diferencia de imagen y aun así lograron resultados sólidos, dijeron.
Ya hay algunas aplicaciones en desarrollo destinadas a diagnosticar el autismo.
Tienden a rastrear hacia dónde mira el niño, en lugar de seguir la estructura real de sus ojos.
Debido a que los problemas de comunicación social constituyen uno de los rasgos centrales del autismo, los investigadores han intentado evaluar el autismo en los niños en función de si prestan más atención a los objetos que a las personas.
Una de esas aplicaciones, desarrollada por un equipo de la Universidad de Duke, predijo el diagnóstico de autismo con una precisión del 90 por ciento en un estudio de 2021.
Utilizando software de seguimiento ocular y cámaras de teléfonos inteligentes, esta aplicación mostró a los niños pequeños vídeos de personas hablando y jugando con juguetes, discerniendo si los niños pequeños estaban prestando más atención a los juguetes o a las personas.
Pero cualquier tecnología utilizada para diagnosticar o tratar una afección aún debe someterse a pruebas y aprobación por parte de la Administración de Alimentos y Medicamentos, y pocos estudios de nuevas técnicas terminan llegando tan lejos.
__________
Fuente
