El modelo AutMedAI se nutre de datos médicos y de desarrollo recopilados antes de los dos años para conseguir un diagnóstico precoz y preciso.
Para configurar la herramienta los investigadores probaron el valor de cuatro modelos diferentes de aprendizaje automático que habían sido “entrenados” con 28 sencillos parámetros obtenidos de niños menores de dos años. En concreto, el estudio involucró a casi 31.000 personas pertenecientes al programa SPARK (Simons Foundation Powering Autism Research for Knowledge) de detección del autismo, de los cuales la mitad sufría este trastorno. Esta base de datos posee información de pacientes reclutados online de 31 universidades de investigación y clínicas de 26 estados de los Estados Unidos.
El estudio consiguió predecir el trastorno con precisión y determinar que tanto el desarrollo como el comportamiento alimentario constituyen dos predictores del trastorno especialmente importantes. De los cuatro algoritmos, uno de ellos, AutMedAI, fue el que consiguió un mejor rendimiento. A continuación los investigadores probaron su eficacia con casi 14.800 individuos, y consiguieron identificar correctamente al 78,9% de los participantes recién introducidos con autismo o sin autismo.
