O Transtorno do Espectro Autista (TEA) manifesta-se em uma variedade de graus, desde quadros leves até os mais severos, com sinais evidentes desde a primeira infância. Crianças com TEA frequentemente apresentam dificuldades na interação social, no desenvolvimento da linguagem e na regulação do comportamento. A identificação precoce é crucial para intervenções que podem melhorar significativamente a qualidade de vida desses indivíduos.
Um estudo recente explorou o uso de inteligência artificial (IA) para auxiliar no diagnóstico precoce do TEA, focando na análise de expressões faciais. A pesquisa utilizou algoritmos de deep learning (DL) para diferenciar crianças com TEA de crianças sem o transtorno, utilizando um vasto conjunto de dados contendo imagens faciais e informações diagnósticas. Modelos como ResNet50, Inception-V3 e VGG-19 foram aplicados para identificar padrões faciais associados ao autismo.
Os resultados mostraram que o modelo Inception-V3 apresentou uma precisão impressionante de 98% na identificação do TEA, superando outros algoritmos de transfer learning. Essa metodologia inovadora oferece aos profissionais de saúde uma ferramenta valiosa para complementar os métodos de triagem tradicionais. A análise facial, impulsionada pela IA, pode detectar nuances sutis nas expressões que, de outra forma, poderiam passar despercebidas, contribuindo para um diagnóstico mais rápido e preciso e, consequentemente, para um tratamento mais eficaz. Essa abordagem representa um avanço significativo na área da saúde e no cuidado de crianças com autismo.
Origem: Link