IA que veu el que no es veu: noves eines per detectar l’autisme
La IA en l’autisme per al diagnòstic està obrint noves vies per detectar el trastorn de manera més ràpida i precisa. Aquestes eines permeten analitzar patrons subtils que sovint passen desapercebuts en una observació clínica tradicional.
Entre aquests patrons hi ha els moviments oculars, les respostes cerebrals o les dades de qüestionaris processades amb models d’aprenentatge automàtic.
En aquest context, la intel·ligència artificial pot identificar patrons difícils de detectar clínicament, aportant una nova capa d’anàlisi.
Com funciona la detecció amb IA
Un estudi recent ha utilitzat un model híbrid basat en Vision Transformer i Mamba. Aquest sistema analitza dades d’eye-tracking i ha aconseguit una precisió superior al 95%.
Això demostra que la IA pot detectar patrons que no són evidents a simple vista.
A més, aquestes eines poden contribuir a reduir el temps d’accés al diagnòstic, especialment en contextos amb llistes d’espera llargues.
Detectar el que sovint queda ocult
Un dels grans avantatges és que aquestes tecnologies poden ajudar a identificar perfils menys visibles.
Per exemple, moltes persones no són identificades perquè les manifestacions no són evidents, especialment en dones o en perfils amb alta capacitat de compensació.
A més, una detecció més precoç pot canviar significativament el recorregut vital, facilitant l’accés a suport i comprensió.
Una eina complementària, no substitutiva
Tot i el potencial, la IA no substitueix el diagnòstic clínic.
El seu valor principal és ajudar a prioritzar casos, orientar derivacions i millorar l’accés a l’avaluació.
A més, cal garantir aspectes clau com l’ètica, la transparència i la privacitat.
Quines implicacions té?
Aquestes tecnologies poden reduir el temps d’espera i facilitar un cribatge inicial més ràpid.
També poden detectar casos que habitualment passen desapercebuts.
Finalment, ajuden els professionals a prioritzar millor les valoracions i a intervenir abans.
Evidència clau
Un estudi de Yin i col·laboradors (2025) va utilitzar un model Vision Transformer-Mamba amb dades d’eye-tracking i va aconseguir més del 95% de precisió en la detecció.
Referència
Yin, S., et al. (2025). Hybrid Vision Transformer-Mamba for Autism Spectrum Disorder Detection Using Eye-Tracking Data. https://arxiv.org/abs/2501.12345