Un estudiante de la ULL crea una herramienta para diagnosticar autismo mediante el seguimiento ocular y la ayuda de la IA

Un estudiante de la Universidad de La Laguna (ULL), en Tenerife, ha desarrollado una herramienta que, con la ayuda de la inteligencia artificial (IA), facilita el diagnóstico del trastorno del espectro autista (TEA) mediante el seguimiento de los patrones de movimiento ocular del paciente.

Roberto Chávez, graduado en Ingeniería Electrónica y doctor en Ingeniería de Sistemas y Automática, es el autor de este sistema que ha desarrollado en el marco de la tesis doctoral que ha defendido recientemente en la ULL, detalla la institución académica.

El TEA engloba un conjunto de afecciones relacionadas con el desarrollo neurológico, que se manifiestan en dificultades en la interacción social y la comunicación, así como en patrones atípicos de comportamiento.

Entre estos últimos se incluyen problemas para hacer frente a los cambios o respuestas inusuales a estímulos sensoriales.

Las características propias de este trastorno pueden identificarse desde la primera infancia, si bien en muchos casos el diagnóstico no se realiza hasta etapas más avanzadas del desarrollo.

Actualmente, la detección del TEA se basa principalmente en la observación conductual y en entrevistas estructuradas, como la Escala de Observación para el Diagnóstico del Autismo (ADOS), herramientas que dependen en gran medida del criterio subjetivo del profesional, señala la ULL en el comunicado.

De ahí el objeto de la tesis de Roberto Chávez, quien ha trabajado en el desarrollo de una herramienta de apoyo al diagnóstico basada en el análisis de datos de seguimiento ocular y en el entrenamiento de un algoritmo de inteligencia artificial capaz de determinar si los patrones visuales de una persona corresponden a un grupo de diagnóstico de autismo.

Señala que los patrones visuales de las personas con TEA presentan alteraciones desde aproximadamente los seis meses de edad y pueden registrarse mediante esta técnica.

En el transcurso de su tesis, tutorizada por Rosa Aguilar, catedrática del Departamento de Ingeniería Informática y de Sistemas y exrectora de la ULL, realizó un procesamiento de datos “bastante complejo, ya que el seguimiento ocular devuelve una cantidad enorme de valores”, detalla.

“Recogíamos muestras cada tres milisegundos aproximadamente, y cada muestra contaba con más de 100 variables”, lo cual “requiere un procesamiento y análisis de datos que no es posible hacer mediante las técnicas de estadística clásica”.

En todo este proceso, subraya Chávez, la ciencia de datos toma un papel relevante, ya que extrae patrones a partir de grandes volúmenes de información.

La siguiente etapa consistió en emplear algoritmos de aprendizaje automático, concretamente el modelo XGBoost, una técnica que combina modelos más simples y, al juntarlos, ofrece un rendimiento mejor que si se usaran por separado.

Por último, desarrolló una página web de estilo plug and play que simplifica el proceso de diagnóstico: se extrae el fichero de datos del 'eye-tracker' y, sin que el usuario tenga que realizar ningún tipo de procesamiento, simplemente lo carga en la página web, que se encarga automáticamente de ejecutar todos los pasos para ofrecer un diagnóstico para cada uno de los individuos incluidos en el fichero.

De este modo, la página web permite que personas sin conocimientos técnicos, sin experiencia en programación o sin formación en ingeniería puedan obtener un diagnóstico de forma sencilla.

En su tesis, Chávez desarrolló varias técnicas como la analítica de los patrones de parpadeo, así como el tamaño de la pupila, entre otros aspectos. Otra técnica supuso analizar la secuencia de exploración, es decir, los puntos por los que iba pasando la mirada.

Para el desarrollo de este trabajo ha contado con la ayuda del profesor José Luis González Mora, catedrático y responsable del grupo de investigación del Laboratorio de Neuroquímica y Neuroimagen de la Universidad de La Laguna.