Detección del autismo basada en el análisis computacional del lenguaje de los padres.
Early detection of autism spectrum disorder (ASD) requires integrating clinical observation with devel opmental history and everyday functioning, yet care pathways are often strained by high demand and limited specialist resources. In this context, parents' narratives provide ecologically valid sign...
| Publicado en: | Medicina (Buenos Aires) Vol. 86; pp. 26 - 32 |
|---|---|
| Autores principales: | , , , , , |
| Formato: | Artículo |
| Publicado: |
Medicina (Buenos Aires)
2026 Supplement 1
|
| Materias: | |
| Acceso en línea: | Ver este registro en EBSCOhost |
| Sumario: | Early detection of autism spectrum disorder (ASD) requires integrating clinical observation with devel opmental history and everyday functioning, yet care pathways are often strained by high demand and limited specialist resources. In this context, parents' narratives provide ecologically valid signals about social commu nication, language, and repetitive behaviors; however, free-form accounts are difficult to analyze systemati cally in routine practice. This article reviews a special study, which automatically analyzed caregivers' open-ended responses to 12 questions inspired by the ADI-R in 51 families (children aged 2-8 years; 25 ASD and 26 controls). The study aimed to automatically detect ASD in children through computational analysis of parents' speech. The best subject-level classification strategy was achieved by converting text into semantic representa tions (using OpenAI's text-ada-embedding-large-v3), training models per question, including the question in the input, and aggregating decisions via majority voting (84% accuracy; ROC-AUC 1.0). The clinical goal of this pilot study was to demonstrate the potential to support screening, prioritization, and referral, and potentially reduce waiting times and professional burden, thereby improving timely access to evaluation and early inter vention. We discuss limitations (small sample, selected population, possible influence of prior intervention) and ethical risks (sociolinguistic bias, privacy, stigmatization, false positives/negatives), and we propose steps toward responsible clinical translation. La detección temprana del trastorno del espectro autista (TEA) exige integrar la observación clínica con la historia del desarrollo y el funcionamiento cotidiano, pero los circuitos asistenciales suelen verse tensiona dos por la alta demanda y los recursos especializados limitados. En este escenario, la narrativa de madres y padres aporta información ecológica sobre comunica ción social, lenguaje y conductas repetitivas; sin em bargo, dichos relatos son difíciles de analizar de forma sistemática en la práctica. Este articulo revisa un artícu lo que analizó automáticamente las respuestas abiertas de cuidadores a 12 preguntas inspiradas en el ADI-R, en 51 familias (niños 2-8 años; 25 TEA y 26 controles). El objetivo del estudio fue detectar de manera automática, a través del análisis computacional del habla de los padres, la presencia del TEA en los menores. La mejor estrategia a nivel de clasificación de sujeto se obtuvo transformando el texto en representaciones de signifi cado (a través de text-ada-embedding-large-v3 de OpenAI), entrenando los modelos por pregunta, incorporando la pregunta en la entrada y agregando las decisiones por "votación" (84% de precisión; ROC-AUC 1.0). El objetivo clínico del estudio piloto ha sido demostrar la posibili dad de apoyar el cribado, la priorización, la derivación y, potencialmente, reducir tiempos de espera y carga profesional, favoreciendo acceso oportuno a evalua ción e intervención tempranas. Se discuten los límites (muestra pequeña, población seleccionada, influencia posible de intervención previa) y los riesgos éticos (sesgos sociolingüísticos, privacidad, estigmatización, falsos positivos/negativos), y se proponen pasos para una traslación responsable. |
|---|