Saúde Desvendada

Um estudo recente demonstra o potencial da inteligência artificial (IA) no diagnóstico precoce e na intervenção personalizada para crianças com Transtorno do Espectro Autista (TEA). A pesquisa apresenta um sistema integrado que combina uma rede neural profunda (DNN) com um framework de aprendizado por reforço, visando otimizar a identificação e o tratamento do TEA em crianças pequenas.

O sistema utiliza uma DNN treinada com diversos conjuntos de dados abrangendo desde bebês até adolescentes. Essa rede alcançou uma precisão notável de 96,98% na detecção do TEA, superando modelos tradicionais como Random Forest e Regressão Logística. A DNN foi capaz de identificar características chave, como a pontuação no Qchat-10 (um questionário de rastreamento de autismo) e a etnia, como fatores importantes no diagnóstico. Esses resultados indicam um avanço significativo na precisão e eficiência do rastreamento precoce do TEA.

Além do diagnóstico, o sistema emprega um framework de aprendizado por reforço para simular e personalizar estratégias de intervenção. Ao simular cenários ao longo de 12 meses, o sistema otimiza o tipo, a frequência e a intensidade das intervenções, resultando em melhorias significativas nas habilidades sociais, na redução de problemas comportamentais e na estabilidade emocional. A pesquisa observou um aumento de até 25% nas habilidades sociais, uma redução de até 30% nos problemas comportamentais e um aumento de até 20% na estabilidade emocional, com uma diminuição de casos de TEA de alto risco de 65% para 25% no grupo simulado. Este sistema promissor oferece uma abordagem baseada em dados para o manejo do TEA, aprimorando o rastreamento precoce e personalizando intervenções para atender às necessidades individuais de cada criança, representando um avanço considerável na área da Saude infantil.

Origem: Link