El autismo es un síndrome que afecta la manera en la que una persona percibe y socializa con los demás, lo que causa problemas en la interacción social y la comunicación. Se calcula que uno de cada 160 niños lo padece, según la Organización de la Salud (OMS).
Sin embargo, normalmente el autismo se diagnostica con pruebas que son complejas, largas y costosas, por lo que no todas las personas pueden acceder a ellas.
[CLIC AQUÍ para visitar la portada de Tecnología y Ciencias]
[Google Perú: ¿Cuál es el trabajo que realiza la gigantesca compañía en nuestro país?]
Teniendo en cuenta esta realidad, los investigadores peruanos Mirko Zimic y Macarena Vittet, de la Universidad Cayetano Heredia, vienen trabajando en un proyecto que busca facilitar el diagnóstico del autismo en niños de bajos recursos usando un dispositivo móvil. Su trabajo acaba de ser uno de los ganadores de los Premios de Investigación de Google para América Latina (LARA).
El Comercio conversó con el Doctor Mirko Zimic, quien posee grado PhD en Control y Prevención de Enfermedades por la Universidad Johns Hopkins, para conocer más sobre su la investigación.
-¿En qué consiste su proyecto?
Es una iniciativa que busca facilitar el diagnóstico de autismo en niños pequeños. Este síndrome se diagnostica con pruebas que son complejas y largas, las cuales son aplicadas por personas altamente capacitadas, por lo que normalmente no se realizan en el Perú.
Lo que nosotros estamos proponiendo es aprovechar tres características del autismo para ponerlas a nuestro favor y, de esa manera, poder desarrollar una herramienta de diagnóstico rápida, económica y portable.
-¿Cuáles son esas características?
En primer lugar, los niños con autismo no hacen un contacto visual directo, ellos evaden observar personas y escenas sociales. Por el contrario, prefieren mirar imágenes abstractas. Entonces, lo que nosotros hacemos es evaluar cuáles son sus preferencias visuales con respecto de dos imágenes que se proyectan sobre la pantalla de una tablet. Al lado izquierdo les presentamos una escena social; al lado derecho, figuras abstractas.
Mientras las imágenes se proyectan, la cámara frontal de la tablet graba el rostro del niño. Luego, mediante un algoritmo de inteligencia artificial, podemos analizar y determinar cuántos segundos vio la escena social y cuántos, la escena abstracta. Eso nos da un estimado del porcentaje de atención, el cual resulta que es un biomarcador de autismo.
-¿Qué tan preciso puede ser este método?
La precisión es muy cercana a las técnicas usadas comúnmente para detectar el síndrome. La metodología de preferencia visual, así es como se conoce a este sistema, puede detectar aproximadamente a unos 75 de cada 100 niños con autismo
-¿Cuál son las otras dos características?
La segunda tiene que ver con la reacción de los niños frente a un estímulo externo y cómo cambian sus emociones faciales. Si a un niño sin autismo le muestras algo divertido, se va a reír. Si le pones una cara de expresión fuerte, se va a asustar. Es decir, los niños sin autismo tienen una capacidad de reaccionar y cambiar sus expresiones faciales. Los niños con autismo, en cambio, por el mismo hecho de que tienen bloqueada gran parte de la interacción social, difícilmente van a generar un cambio en la expresión facial frente dichos estímulo. Entonces, la propuesta es proyectar en la tablet un video que pueda resultar gracioso y verificar en qué medida y en qué grado el niño se va a reír. Para eso utilizamos algoritmos de inteligencia artificial que pueden reconocer rostros y gestos faciales.
El tercer punto a incluir tiene que ver con la capacidad que tiene la pupila de reaccionar a un estímulo de luz. La pupila es la bolita negra más chiquita que tenemos en el ojo. Cada vez que nosotros vemos un incremento de la intensidad de luz, la pupila se retraer. Lo que hacemos es firmar varios videos de la pupila de niños con y sin autismo luego de que un flash se enciende. En los niños con autismo la retracción demora más, lo que sugiere que en ellos su sistema nervioso central es más lento. Hacer una medición de ese tipo nos permite obtener información completamente objetiva, ya que la contracción de la pupila frente a un estímulo de luz es un hecho absolutamente involuntario, tú no puedes regularla. A esto se le conoce como pupilometría.
-¿Cómo surgió este proyecto?
Hace cuatro años conversaba con el director de mis estudios doctorales, el doctor Robert Gilman, y él me comentó que en Estados Unidos ya se hablaba sobre las pruebas de preferencia visual, pero se realizaban en ambientes grandes, con televisores enormes, cámaras infrarrojas y otros equipos. En el Perú, es impráctico construir esa infraestructura, ya que es muy costosa y no podrías tenerla en provincia ni en zonas rurales de bajos recursos.
Como yo ya tenía experiencia en telediagnóstico pensé, ¿por qué no probar (el diagnósitco de autismo) con un una tablet o un celular?
-Su método utiliza inteligencia artificial, ¿qué tan complejo fue el desarrollo de esta tecnología?
No es difícil. Los algoritmos de inteligencia artificial son sistemas matemáticos que simulan lo que hace un cerebro biológico. Lo que hacemos es entrenarlo. Cuando tú quieres aprender algo, ya sea jugar tenis o aprender a sumar, tienes que entrenar, así poco a poco vas ganando destreza. Lo mismo ocurre con un algoritmo de inteligencia artificial. Tenemos que enseñarle muchas imágenes de niños con y sin autismo, de esa manera, tras observar una y otra vez, el sistema empieza a aprender. Luego, va optimizándose hasta el punto de que podemos probar su desempeño con imágenes que nunca antes había visto.
-¿Cuál es el siguiente paso del proyecto?
Tenemos un año por delante para trabajar de manera integrada la evaluación de estos tres parámetros (la preferencia visual, la pupilometría y el análisis de gestos faciales). Queremos enrolar un número determinado de niños con y sin autismo, y desarrollar un algoritmo integrado que nos dé un score que mida el riesgo absoluto de un niño. Luego, la idea será validar este sistema en condiciones de campo, verificar qué tan bien se puede usar y qué tan bien rinde en su capacidad predictiva.
Síguenos en Twitter...
Contenido Sugerido
Contenido GEC