Saúde Desvendada

A detecção e o diagnóstico precoce do Transtorno do Espectro Autista (TEA) representam um desafio constante na área da saúde infantil. Métodos tradicionais dependem, em grande parte, de avaliações clínicas subjetivas. No entanto, uma nova pesquisa apresenta uma abordagem inovadora utilizando inteligência artificial para auxiliar no diagnóstico do TEA, focando na análise de movimentos estereotipados, como o flapping das mãos.

O estudo propõe um sistema multi-stream que integra redes neurais convolucionais avançadas para analisar automaticamente os movimentos estereotipados. Essa arquitetura incorpora mecanismos de atenção espacial e temporal, aprimorados por técnicas de fusão de características hierárquicas e amostragem temporal adaptativa. O objetivo é extrair características dos movimentos relacionados ao TEA em múltiplas escalas, capturando a natureza rítmica do flapping das mãos e focando nas características de movimento dos pacientes em vídeo. O sistema foi testado utilizando o Self-Stimulatory Behavior Dataset (SSBD), que contém 66 vídeos.

Os resultados do estudo demonstraram um desempenho excepcional do sistema multi-stream, alcançando uma precisão geral de 96,55%, especificidade de 100% e sensibilidade de 94,12% na detecção do flapping das mãos. O escore F1, que mede a precisão e a revocação do modelo, atingiu 97%. Esses resultados promissores sugerem que essa tecnologia pode fornecer aos profissionais de saúde uma ferramenta confiável e automatizada para a triagem precoce do TEA, oferecendo métricas objetivas e quantificáveis que complementam os métodos diagnósticos tradicionais. Essa abordagem inovadora tem o potencial de revolucionar a forma como o TEA é detectado e diagnosticado, permitindo intervenções mais precoces e eficazes, impactando positivamente a vida de crianças com TEA e suas famílias.

Origem: Link