Detectar autismo en bebés

¿QUÉ PASÓ?

Un equipo de investigadores de la Universidad Médica de Nanjing, liderado por Shengjian Yin, ha desarrollado un modelo de predicción temprana para el trastorno del espectro autista en bebés utilizando funciones acústicas y aprendizaje automático. El estudio analiza las vocalizaciones de los bebés para identificar patrones que puedan indicar un mayor riesgo de autismo. Los investigadores han encontrado que este enfoque puede ser efectivo para detectar el autismo en edades tempranas, lo que podría permitir intervenciones más efectivas.

¿CÓMO NOS AFECTA?

Esta investigación puede tener un impacto significativo en la detección y tratamiento temprano del autismo, lo que podría mejorar la calidad de vida de los niños con autismo y sus familias. La detección temprana puede permitir intervenciones más efectivas y personalizadas, lo que podría mejorar los resultados a largo plazo.

🔬 INFORMACIÓN CLAVE

Este estudio de investigación presenta un modelo de aprendizaje automático para predecir el Trastorno del Espectro Autista (TEA) en bebés a partir de características acústicas del llanto. Los investigadores utilizaron un conjunto de datos de 154 bebés, de los cuales 78 fueron diagnosticados con TEA, y emplearon un algoritmo de soporte de vectores de máquina (SVM) para analizar los patrones sonoros. El modelo logró una alta precisión en la detección temprana, indicando el potencial de las vocalizaciones infantiles como biomarcador para la identificación precoz del TEA, lo cual es crucial para intervenciones más efectivas y oportunas.