Diagnóstico de trastorno del espectro autista en niños mediante inteligencia artificial

Área de la Ciencia:

• Neurociencia
• Inteligencia Artificial
• Informática de la Salud

Sus antecedentes:

• El trastorno del espectro autista (TEA) presenta importantes desafíos sociales, lo que requiere avances en las herramientas de diagnóstico y los sistemas de apoyo inclusivos.
• El diagnóstico temprano y preciso del TEA es crucial para una intervención oportuna y una mejor calidad de vida para las personas afectadas y sus familias.

Objetivo del estudio:

• Identificar los factores clave que influyen en el TEA en Arabia Saudita y Egipto.
• Mejorar la precisión del diagnóstico temprano del TEA integrando técnicas de inteligencia artificial explicable (XAI) con modelos de aprendizaje automático.
• Mejorar la eficiencia del sistema de atención médica en la detección y el manejo del TEA.

Principales métodos:

• Se utilizaron modelos K-Nearest Neighbors (KNN) y Decision Tree (DT) para el diagnóstico del TEA.
• Se aplicaron técnicas de XAI, incluidas SHapley Additive exPlanations (SHAP), Local Interpretable Model-agnostic Explanations (LIME) y Permutation Feature Importance (PFI), para mejorar la interpretabilidad y la precisión del modelo.
• Se validaron y preprocesaron conjuntos de datos de Arabia Saudita y Egipto, abordando valores atípicos y datos faltantes.

Principales resultados:

• El modelo KNN combinado con XAI logró una precisión diagnóstica del 97% en el conjunto de datos de Arabia Saudita.
• El mismo enfoque arrojó una precisión del 92% en el conjunto de datos de Egipto.
• La integración de XAI mejoró significativamente la precisión y la interpretabilidad de los modelos de diagnóstico de TEA.

Conclusiones:

• La integración de XAI con modelos de aprendizaje automático ofrece un método robusto y eficaz para mejorar el diagnóstico temprano del TEA.
• Este enfoque puede conducir a herramientas de diagnóstico de IA más precisas e interpretables, mejorando los resultados de atención médica en Arabia Saudita y Egipto.
• El estudio destaca el potencial de la IA avanzada en aplicaciones clínicas para una mejor detección del TEA y una planificación del tratamiento personalizada.