Publicado: agosto 1, 2025, 2:23 pm
El trastorno de déficit de atención e hiperactividad (TDAH) y los trastornos del espectro autista (TEA) son dos de los trastornos del neurodesarrollo más comunes en nuestro país, y afectan en conjunto a entre un 11 y un 15% de los niños españoles.
Normalmente, el diagnóstico de estas condiciones es largo y complejo tanto para profesionales como a pacientes; pasa por realizar numerosas evaluaciones clínicas y pruebas y a menudo puede retrasarse en el tiempo, dificultando el comienzo de un tratamiento.
Diagnosticar a través de movimientos imperceptibles
Sin embargo, son muchos los científicos que trabajan en métodos para mejorar y acelerar el proceso. Ahora, un nuevo estudio publicado en la revista académica Nature Scientific Reports ha dado cuenta de un nuevo desarrollo: una herramienta de inteligencia artificial que, según sus autores, es capaz de diagnosticar ambas condiciones en niños en cuestión de 15 minutos y con una precisión del 70%.
El sistema emplea un sensor que capta movimientos aleatorios de las personas en una gran definición (unas 220 instantáneas por segundo). En base a esto, es capaz de predecir el grado de funcionamiento del paciente, junto con el espectro completo de habilidades funcionales y cognitivas.
Para desarrollar este sistema, reclutaron a 92 pacientes de al menos cinco años de edad, a los que hicieron llevar un guante con sensores y les pidieron que acercasen y retirasen la mano hacia un objetivo en una pantalla táctil unas 100 veces en de quince minutos. Después, el sistema de aprendizaje profundo clasificó las condiciones de los participantes en base a variables cinemáticas, incluyendo cuestiones como el cabeceo, balance y guiñada (RPY, por sus siglas en inglés) aceleración linear y la velocidad angular. Por último, se midieron las fluctuaciones aleatorias de cada individuo.
Una tecnología en fases preliminares
El test mostró una gran habilidad predictiva cuando todas las variables se incluían en el modelo (precisión de hasta el 71,48%), especialmente a la hora de distinguir a las personas con alguno de los dos trastornos del desarrollo de las neurotípicas. Sin embargo, no fue tan eficaz a la hora de identificar el TDAH y el TEA comórbidos.
En base a los resultados, los investigadores planean poner a prueba la herramienta en una variedad de escenarios, incluyendo centros escolares y clínicas, y llevar a cabo estudios longitudinales que ayuden a validar las aplicaciones de la tecnología. Uno de los aspectos en los que, dicen, ven más potencial, es en la capacidad del sistema para aportar datos objetivos acerca de la condición del paciente, más allá de las observaciones conductuales cualitativas que puede recoger el profesional.
La prueba aún es preliminar, y aún persisten dudas importantes sobre la verdadera practicidad y aplicación. Con todo, con más investigación esta tecnología podría representar un complemento interesante en los procesos de diagnóstico de los trastornos del neurodesarrollo, quizás ayudando a acelerarlos y a que los pacientes accedan de manera más precoz a los tratamientos que necesitan.
Referencias
Doctor, K.P., McKeever, C., Wu, D. et al. Deep learning diagnosis plus kinematic severity assessments of neurodivergent disorders. Scientific reports (2025). DOI: https://doi.org/10.1038/s41598-025-04294-9
