A compreensão do autismo tem evoluído constantemente, e uma abordagem promissora é o modelo Bayesiano. Este modelo conceitua a percepção humana como um processo de inferência probabilística, no qual o cérebro integra expectativas prévias com evidências sensoriais para construir uma representação mental do mundo. Dentro desta estrutura, algumas teorias sugerem que as atipicidades perceptivas no autismo resultam de um desequilíbrio entre a precisão das crenças prévias e a entrada sensorial.
Uma revisão sistemática e meta-análise recente investigou a validade do modelo Bayesiano simples para explicar o autismo. O estudo analisou dados de diversas pesquisas, buscando identificar se indivíduos autistas exibem consistentemente crenças prévias mais amplas ou uma precisão sensorial aumentada em comparação com controles não autistas. Os resultados indicaram um efeito geral pequeno a moderado na direção esperada, sugerindo que o modelo Bayesiano pode ter alguma relevância.
No entanto, a heterogeneidade entre os estudos foi significativa, indicando que outros fatores podem estar influenciando os resultados. A análise não conseguiu identificar moderadores que explicassem essa heterogeneidade, como o tipo de crença prévia (estrutural vs. contextual), o tipo de estímulo (social vs. não social), o contexto da tarefa (implícito vs. explícito), o domínio cognitivo (cognição de alto nível vs. percepção) ou as características dos participantes. Portanto, os resultados oferecem apenas um suporte limitado para um modelo Bayesiano simples e universal do autismo, sugerindo que modelos mais sofisticados e hierárquicos podem ser necessários para uma compreensão mais completa.
Origem: Link