Una característica oculta del ojo podría revelar el riesgo de TDAH

En Corea del Sur, unos investigadores desarrollaron modelos de aprendizaje automático para relacionar características de las imágenes del fondo del ojo -fotografías del fondo del ojo- con diagnósticos clínicos de TDAH (trastorno por déficit de atención con hiperactividad).

El mejor modelo alcanza una precisión del 96,9% en la detección del TDAH

De los cuatro modelos probados, el más eficaz alcanzó una tasa de precisión del 96,9% en la identificación del TDAH utilizando únicamente el análisis de imágenes.

Entre los indicadores clave del trastorno se encontraban el aumento de la densidad de los vasos sanguíneos, variaciones en la forma y anchura de los vasos y cambios específicos en el disco óptico del ojo.

Durante años, los científicos han sospechado que el ojo podría reflejar cambios en la conectividad cerebral relacionados con el TDAH. La identificación de indicadores visuales específicos podría conducir a una forma más rápida y fiable de detectar el trastorno.

«Nuestro análisis de las fotografías del fondo de la retina demostró su potencial como biomarcador no invasivo para la detección del TDAH y la estratificación del déficit de la función ejecutiva en el ámbito de la atención visual», señaló en su estudio publicado el equipo de investigación, dirigido por la Facultad de Medicina de la Universidad de Yonsei.

«Los investigadores probaron el método en 323 niños y adolescentes diagnosticados de TDAH y en un grupo de control de 323 individuos de edad y sexo similares sin la afección».

El modelo de IA mostró un sólido rendimiento en varias métricas de evaluación para predecir el TDAH, y también fue eficaz en la identificación de rasgos asociados con el trastorno, como dificultades con la atención selectiva visual.

Aquí está la frase con contrapartidas activas:

«Los investigadores han investigado recientemente varios enfoques de aprendizaje automático para la detección del TDAH, incluidos métodos que utilizan diferentes tipos de escáneres oculares y evaluaciones conductuales.» Aunque este nuevo método no sea el mejor en cuanto a precisión bruta, es casi igual de eficaz y destaca por ser rápido, fácil de evaluar y altamente escalable.

Dependencia de diversas variables en los primeros modelos de alta precisión

«Como señalan los investigadores, los primeros modelos de alta precisión solían depender de una amplia gama de variables, cada una de las cuales desempeñaba un papel pequeño pero importante en la distinción de los individuos».

«Nuestro método simplifica el análisis utilizando únicamente imágenes de la retina, lo que hace que nuestros modelos sean más sencillos y eficaces», explican los investigadores.

Ahora planean probar el método en poblaciones más amplias y diversas, sobre todo porque el estudio actual se centró en niños con una edad media de 9,5 años, mientras que el TDAH puede manifestarse de forma muy diferente en adultos.

También existe la posibilidad de ampliar las capacidades del sistema. Por ejemplo, en el análisis principal no se incluyó a personas con trastorno del espectro autista, y pruebas adicionales revelaron que la IA tenía dificultades para distinguir entre autismo y TDAH.

Dado que alrededor de 1 de cada 20 personas padece TDAH -que se caracteriza por dificultades de concentración, impulsividad e hiperactividad-, una herramienta de diagnóstico más rápida y precisa podría tener un impacto significativo.

«La detección precoz y el tratamiento oportuno pueden mejorar los resultados sociales, familiares y académicos de las personas con TDAH», señalan los investigadores.

Read the original article on: Sciencealert

Read more: Many of Us Are Dominantly Right-Handed but Left-Eyed. Here’s the Reason