Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Estudio explora el uso de IA para el diagnóstico de trastorno autista

Estudio prueba nuevo método de diagnóstico para el trastorno del espectro autista basado en imágenes cerebrales y aprendizaje automático.

Detectar el trastorno del espectro autista (TEA) sigue siendo un desafío debido a su complejidad, requiriendo la experiencia de diversos especialistas altamente capacitados. Recientemente, investigadores brasileños propusieron un método cuantitativo de diagnóstico usando datos de imágenes cerebrales de 500 personas (242 diagnosticadas con TEA), aplicando técnicas de aprendizaje automático. En este estudio compararon los cerebros de personas con y sin TEA, desarrollando un algoritmo de aprendizaje automático que logró más del 95% de precisión en la identificación de alteraciones cerebrales asociadas con el TEA.

“Comenzamos a desarrollar nuestra metodología recopilando datos de imágenes de resonancia magnética funcional y electroencefalograma”, explicó Francisco Rodrigues, uno de los autores del estudio. “Comparamos mapas de personas con y sin TEA y descubrimos que el diagnóstico era posible utilizando esta metodología”, agregó.

Este novedoso enfoque utiliza mapas cerebrales que revelan cómo están conectadas las áreas del cerebro. Según la evidencia en el TEA, estas conexiones muestran más segregación y menos conectividad y aunque este método se encuentra aún en desarrollo, podría revolucionar el diagnóstico al permitir que los especialistas usen la información de las imágenes cerebrales para identificar el TEA con alta precisión, incluso en casos leves.

“Antes se sabía poco acerca de las alteraciones que llevan a los síntomas del TEA. Ahora, sin embargo, se sabe que las alteraciones cerebrales en los pacientes con TEA están asociadas con ciertos comportamientos, aunque la investigación anatómica muestra que las alteraciones son difíciles de ver, lo que dificulta el diagnóstico del TEA leve. Nuestro estudio es un paso importante en el desarrollo de nuevas metodologías que pueden ayudarnos a comprender mejor esta neurodivergencia”, mencionó Rodrigues.

Asimismo, esta metodología podría aplicarse a otras condiciones y trastornos cerebrales, como la esquizofrenia y el Alzheimer, ampliando su potencial beneficio. No obstante, se requiere más investigación y colaboración interdisciplinaria para perfeccionar y aplicar este enfoque en la práctica clínica.

Aunque esta metodología está en desarrollo y posiblemente se requieran años para su implementación, su contribución será esencial para que los especialistas comprendan las diferencias cerebrales y brinden mejores diagnósticos.

Outstanding news

News by country

Share

Digital Health in the world

  • — Science Brief: Omicron (B.1.1.529) Variant/CDC updates
    See more
  • —Coronavirus resource center/Johns Hopkins
    See more
  • — Epidemiological tracing of COVID-19 contacts / Johns Hopkins Course
    See more
  • — SARS-CoV-2 infection behavior / FCS calculator
    See more
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Article The Lancet
    See more
  • —Genomic Epidemiology Tracker/GISAID
    See more
  • — Mexican Genomic Surveillance Consortium
    See more
Secured By miniOrange