O Transtorno do Espectro Autista (TEA), ou Autismo, é um distúrbio do neurodesenvolvimento caracterizado por desafios na comunicação social e pela presença de comportamentos restritos e repetitivos, manifestando-se tipicamente na primeira infância. A crescente prevalência do TEA em todo o mundo representa um desafio significativo para a saúde pública. O diagnóstico e a intervenção precoces são cruciais para melhorar os resultados em crianças com TEA, mas os métodos diagnósticos atuais frequentemente envolvem avaliações subjetivas e demoradas.
Atualmente, não existem biomarcadores conhecidos para o TEA, e o diagnóstico se baseia em manifestações fenotípicas observadas por clínicos treinados ao longo do tempo. Além disso, a heterogeneidade do Autismo e as condições coexistentes associadas representam desafios adicionais para o rastreamento e a detecção precoce. Nesse contexto, os avanços recentes em Inteligência Artificial (IA) e Aprendizado de Máquina (ML) estão transformando o rastreamento e o diagnóstico do TEA. Essas tecnologias computacionais são capazes de analisar conjuntos de dados complexos e múltiplas modalidades, incluindo dados multiômicos, imagens cerebrais, avaliações comportamentais, informações médicas e de histórico, e dados de registro para identificar padrões que podem não ser evidentes para clínicos ou pais.
A aplicação de IA/ML no TEA abrange diversas áreas, desde a identificação de padrões sutis em dados de vídeo e áudio do comportamento infantil até a análise de dados genéticos em busca de marcadores biológicos. Essas ferramentas podem auxiliar na identificação de crianças em risco de TEA em idades mais jovens, permitindo intervenções terapêuticas mais eficazes e melhorando a qualidade de vida dos indivíduos afetados. Além disso, a IA/ML contribui para uma compreensão mais profunda das bases biológicas do TEA, abrindo caminho para o desenvolvimento de novas abordagens diagnósticas e terapêuticas.
Origem: Link