Un estudio publicado en JAMA Network explora el uso del aprendizaje profundo (deep learning) para generar modelos capaces de identificar el Trastorno del Espectro Autista (TEA) y evaluar la gravedad de la afección a través del análisis de imágenes de la retina.

Los investigadores de la Facultad de Medicina de la Universidad de Yonsei en la República de Corea entrenaron un modelo con imágenes de la retina de 958 niños y adolescentes, con una edad promedio de 7,8 años, de los cuales la mitad tenían diagnóstico de autismo. El algoritmo logró una puntuación perfecta en la identificación de los sujetos autistas.

Los hallazgos sugieren que las imágenes de la retina podrían ser una herramienta viable para detectar el autismo de manera objetiva y evaluar la gravedad de los síntomas.

«Las personas con TEA muestran cambios en la estructura de la retina que potencialmente reflejan alteraciones cerebrales», destacan los investigadores. «Estas anomalías podrían usarse para desarrollar una nueva herramienta de diagnóstico para el TEA».

El estudio es el primero en demostrar que el aprendizaje profundo puede usarse para detectar el autismo a través de un análisis de retina. Si bien se necesita más investigación para confirmar estos hallazgos, el estudio tiene el potencial de revolucionar el diagnóstico del TEA.

La detección temprana del TEA es clave para brindar a las personas con la condición el apoyo que necesitan para prosperar. Las pruebas actuales para el TEA son a menudo subjetivas e inexactas. Una nueva herramienta de diagnóstico objetiva y precisa podría ayudar a garantizar que las personas con TEA reciban el diagnóstico y el tratamiento que necesitan a tiempo.

El estudio se realizó en Corea del Sur, pero los investigadores creen que sus hallazgos podrían ser generalizables a otras poblaciones. Se están realizando estudios adicionales para confirmar la validez de los hallazgos en una población más diversa.