La recerca en intel·ligència artificial (IA) està avançant ràpidament cap a eines capaces d’ajudar a detectar el trastorn de l’espectre de l’autisme (TEA) d’una manera més ràpida i precisa. Aquestes eines analitzen patrons subtils que sovint passen desapercebuts en una observació clínica tradicional, com ara els moviments oculars mitjançant eye-tracking, les respostes del cervell en tasques socials a través d’EEG o les respostes a qüestionaris processades per models d’aprenentatge automàtic. Un dels estudis més recents ha utilitzat un sistema d’IA avançat basat en un híbrid de Vision Transformer i Mamba, capaç d’analitzar dades d’eye-tracking i distingir infants amb TEA d’altres perfils amb una precisió superior al 95%. Aquest nivell d’encert mostra com la IA pot detectar patrons que els humans no podem percebre de manera immediata, i que poden resultar útils per complementar la pràctica clínica.
Aquests avenços obren la possibilitat de disposar d’eines de cribatge molt més àgils, sobretot en contextos amb llarges llistes d’espera o amb manca de professionals especialitzats. Tot i que aquestes tecnologies no substitueixen el diagnòstic clínic, sí que poden ajudar a prioritzar casos, a orientar la decisió de derivació i a reduir el temps que una persona ha d’esperar per accedir a una avaluació completa. També poden ser útils per detectar perfils que tradicionalment poden quedar invisibilitzats, com nenes, persones amb TEA de nivell 1 o persones amb compensació altament desarrollada. Amb tot, els experts recorden que encara cal validar aquestes eines en poblacions més àmplies, garantir-ne l’ètica, la transparència i la privacitat, i assegurar que siguin complements, i no substituts, de la mirada clínica humana.
Quines implicacions té?
Aquest tipus de tecnologia podria reduir significativament el temps d’espera per accedir a un diagnòstic, ja que permet un cribatge inicial ràpid i objectiu. A més, pot detectar casos que normalment passen desapercebuts, especialment en entorns amb pocs especialistes o en perfils que mostren formes menys evidents de TEA. Malgrat això, la IA no substitueix el diagnòstic clínic, però sí que pot servir com a eina de priorització, ajudant els professionals a decidir quins casos necessiten ser atesos amb més urgència i quines valoracions poden beneficiar-se d’un suport immediat.
Evidència clau
Un estudi de Yin et al. (2025) va utilitzar un model híbrid Vision Transformer-Mamba aplicat a dades d’eye-tracking i va aconseguir més del 95% de precisió en la classificació d’infants amb TEA, mostrant el potencial de la IA per capturar patrons subtils de comportament que poden ser útils en el cribatge inicial.
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