Diagnóstico de trastornos del espectro autista utilizando un marco de red Q de doble profundidad basado en huellas de...

Área de la Ciencia:

• La neurociencia
• Lingüística computacional
• Inteligencia artificial

Sus antecedentes:

• Los medios sociales son una herramienta creciente en el cuidado de la salud para la difusión rápida de información.
• El trastorno del espectro autista (TEA) presenta desafíos y oportunidades únicas para el compromiso digital.
• Twitter sirve como una plataforma importante para la comunidad de TEA para compartir información y experiencias.

Objetivo del estudio:

• Para analizar los datos de Twitter para identificar el trastorno del espectro autista (TEA) utilizando el aprendizaje automático.
• Examinar los rasgos de comportamiento y las expresiones emocionales de las personas con TEA en las redes sociales.
• Evaluar la eficacia de los modelos de IA en la detección de TEA a través de las interacciones en línea.

Principales métodos:

• Utilizó Twitter como la principal fuente de datos para analizar el contenido relacionado con TEA.
• Aplicó modelos avanzados de IA, incluidos CNN-LSTM, LSTM y un enfoque inspirado en DDQN.
• Los datos de tweets preprocesados mediante la limpieza del texto, la tokenización y la codificación para la clasificación binaria.

Principales resultados:

• El modelo DDQN-Inspired logró una alta tasa de precisión del 87% en la identificación de TEA.
• El enfoque propuesto demostró un potencial significativo para la identificación de TEA a partir del contenido de las redes sociales.
• La comparación con los sistemas existentes puso de manifiesto la eficacia del marco desarrollado.

Conclusiones:

• El sistema desarrollado puede ayudar a los médicos a estudiar los síntomas de TEA dentro de las huellas digitales.
• El análisis de las variaciones de texto en las redes sociales ofrece un nuevo método para la investigación relacionada con el TEA.
• El análisis de las redes sociales impulsado por la IA es prometedor para comprender y apoyar a las personas con TEA.