Un equipo de investigadores de la Universitat Politècnica de València (UPV) ha desarrollado un innovador sistema basado en realidad virtual (RV) e inteligencia artificial (IA) para la detección temprana del Trastorno del Espectro Autista (TEA) en niños pequeños. Este sistema ha demostrado una precisión superior al 85%, superando los métodos de evaluación tradicionales.
El sistema, creado por el equipo del Human-Tech Institute, observa los movimientos motores y los patrones de mirada de los niños mientras interactúan con tareas dentro de entornos virtuales inmersivos. Esto permite obtener respuestas más naturales que en los entornos de laboratorio convencionales.
Biocomarcadores conductuales identificados con aprendizaje profundo
El sistema utiliza un modelo de aprendizaje profundo para identificar biomarcadores conductuales relacionados con el TEA, lo que permite un diagnóstico eficiente y asequible. Mariano Alcañiz, director del Human-Tech Institute de la UPV, destaca que la RV permite utilizar entornos reconocibles que generan respuestas realistas y auténticas, imitando cómo los niños interactúan en su vida diaria.
Esta innovación podría ampliar significativamente el acceso a la detección temprana del autismo, además de sentar las bases para el estudio de otros síntomas motores en el TEA.
El sistema virtual consiste en proyectar un entorno simulado en las paredes de una habitación o en una pantalla de gran formato. La imagen del niño se integra en este entorno mientras realiza diversas tareas. Una cámara captura sus movimientos y los analiza.
Alcañiz explica que este método estandariza la detección del autismo mediante el análisis de biomarcadores relacionados con el comportamiento, la actividad motora y la dirección de la mirada. Además, el sistema requiere una pantalla grande y un tipo de cámara que ya está en el mercado y es más barata que el método de evaluación basado en pruebas habitual. Sin duda, facilitaría el acceso al diagnóstico, ya que podría incluirse en cualquier espacio de intervención temprana.
Inteligencia artificial avanzada para mayor precisión
Alberto Altozano, investigador, junto con el Profesor Javier Marín, desarrolló el modelo de IA. El equipo de la UPV comparó las técnicas tradicionales de IA con un modelo innovador de aprendizaje profundo, aprovechando la experiencia adquirida en el análisis de datos motores.
Altozano señala que los resultados revelan que el nuevo modelo propuesto puede identificar el TEA con mayor precisión y en un mayor número de tareas dentro de la experiencia de RV. Una vez que los movimientos del niño durante la experiencia virtual se han procesado automáticamente, el sistema establece un diagnóstico que mejora tanto la precisión como la eficiencia de las técnicas convencionales.
El equipo del Human-Tech Institute de la UPV ha trabajado durante los últimos ocho años en la perfección de la detección temprana del TEA, colaborando con el centro de desarrollo cognitivo Red Cenit. En este marco, Eleonora Minissi presentó su tesis doctoral, donde se validó el sistema de realidad virtual a través de estudios con niños autistas y se comparó la eficacia de los diversos biomarcadores medidos durante la experiencia virtual.
La investigación de Minissi resalta que, a pesar del creciente interés en la atención socio-visual en el TEA, los patrones motores atípicos han recibido menos atención diagnóstica. Minissi concluye que la facilidad con la que se pueden recoger estos datos y su alta eficacia en la detección del autismo hacen de la actividad motora un biomarcador prometedor.
Los resultados más recientes del trabajo del equipo del Human-Tech Institute sugieren que la nueva IA puede adaptarse y entrenarse para analizar los movimientos de pacientes con TEA en otras tareas. Alcañiz añade que esto abre la puerta a futuras exploraciones de la sintomatología motora del autismo, tales como: ¿cuáles son las características motoras de los niños autistas al caminar o hablar?.
Fuentes y recursos de información
Altozano, A., Minissi, M., Alcañiz, M., & Marín-Morales, J. (2025). Introducing 3DCNN ResNets for ASD full-body kinematic assessment: A comparison with hand-crafted features. Expert Systems with Applications, 270, 126295. DOI: 10.1016/j.eswa.2024.126295
