Saúde Desvendada

O Transtorno do Espectro Autista (TEA) manifesta-se de maneiras diversas, tornando o diagnóstico um desafio, especialmente em indivíduos com boa fluência verbal. Nesses casos, as características atípicas da fala podem ser sutis e variadas, dificultando a identificação precisa do transtorno. Um estudo recente explorou o potencial da inteligência artificial (IA) para analisar padrões de fala e auxiliar no diagnóstico do TEA em pessoas com habilidades verbais desenvolvidas.

A pesquisa focou na análise de diálogos gravados durante o Autism Diagnostic Observation Schedule (ADOS-2), um protocolo de avaliação comum para o TEA. Os pesquisadores extraíram 40 características da fala, incluindo entonação, volume, ritmo, pausas e aspectos espectrais. Esses dados foram utilizados para treinar modelos de machine learning, com o objetivo de classificar participantes com TEA em subgrupos, considerando ou não a presença de anormalidades na fala, conforme definido pelo ADOS-2.

Os resultados demonstraram que a IA pode identificar padrões de fala distintos associados ao TEA. Um modelo específico, chamado Support Vector Machine (SVM), alcançou alta precisão na classificação dos participantes. Surpreendentemente, a remoção de certas características, como os coeficientes cepstrais de frequência de Mel (MFCC) e características de croma, e o foco em aspectos prosódicos, rítmicos e energéticos da fala, melhorou o desempenho do modelo. Esses achados sugerem que características específicas da fala, como a dispersão espectral e o centroide espectral, podem ser indicadores importantes do TEA em indivíduos verbalmente fluentes. A pesquisa abre caminhos promissores para o desenvolvimento de ferramentas de diagnóstico mais precisas e personalizadas, complementando as avaliações clínicas tradicionais.

Origem: Link