Algoritmo de recomendación personalizado para la intervención de rehabilitación en niños con trastorno del espectro...

Área de la Ciencia:

• Neurociencia
• Psicología del Desarrollo
• Ingeniería Biomédica

Sus antecedentes:

• El trastorno del espectro autista (TEA) presenta síntomas heterogéneos, lo que requiere intervenciones individualizadas.
• Los enfoques de rehabilitación actuales a menudo carecen de personalización, lo que puede limitar su eficacia.
• Los Modelos de Diagnóstico Cognitivo (CDM) ofrecen un marco para comprender los perfiles cognitivos individuales.

Objetivo del estudio:

• Desarrollar un algoritmo de recomendación personalizado para intervenciones de rehabilitación en niños y adolescentes con TEA.
• Aplicar CDM para analizar patrones de síntomas e identificar trayectorias de desarrollo.
• Crear un enfoque basado en datos para la planificación individualizada del tratamiento del TEA.

Principales métodos:

• Se utilizó un conjunto de datos de 3319 niños y adolescentes con TEA.
• Se aplicó el modelo Generalized Deterministic Input, Noisy "Or" Gate (GDINA) para simular las respuestas del Autism Behavior Checklist (ABC).
• Se validó el ajuste del modelo utilizando índices absolutos y relativos.

Principales resultados:

• El modelo GDINA demostró un ajuste aceptable a los patrones de respuesta de los participantes.
• Se identificaron 28 modalidades de síntomas, con 12 presentes en más del 1% de la muestra.
• La disfunción del lenguaje fue común.
• Un diagrama de trayectoria de desarrollo resaltó las funciones sensoriales como objetivos potenciales para los síntomas graves del TEA, delineando una ruta de rehabilitación para 2621 participantes.

Conclusiones:

• Se desarrolló con éxito un algoritmo de recomendación personalizado utilizando CDM para intervenciones de TEA.
• El estudio confirmó la heterogeneidad de los síntomas del TEA y proporcionó un marco para visualizar el desarrollo funcional.
• Se requiere una validación empírica adicional para confirmar la aplicabilidad en el mundo real de los modelos basados en datos.