El aprendizaje automático predice conductas agresivas en jóvenes con autismo
- Un estudio dirigido por el Dr. Tales Imbiriba en la Universidad Northeastern de Boston utilizó el aprendizaje automático para predecir conductas agresivas en jóvenes con autismo, ofreciendo esperanza para una mejor atención.
- El estudio equipó a los participantes con biosensores y encontró una precisión notable al predecir la agresión, especialmente tres minutos antes de que ocurriera.
- Estos hallazgos podrían dar lugar a sistemas de salud móvil que ofrezcan intervenciones oportunas, mejorando la vida de las personas con autismo y reduciendo la imprevisibilidad de su comportamiento.
En un estudio pionero publicado en línea en JAMA Network Open, los investigadores han aprovechado el poder del aprendizaje automático para predecir eficazmente conductas agresivas inminentes en jóvenes hospitalizados con autismo. Dirigido por el Dr. Tales Imbiriba de la Universidad Northeastern en Boston, esta investigación marca un avance significativo en la comprensión y gestión de las conductas desafiantes asociadas al autismo.
El estudio, realizado de marzo de 2019 a marzo de 2020, se centró en 70 pacientes psiquiátricos internos con diagnósticos confirmados de autismo. Estos individuos presentaban conductas autolesivas, desregulación emocional o agresión hacia otros; 32 de ellos eran mínimamente verbales y 30 tenían discapacidades intelectuales.
Equipados con biosensores disponibles comercialmente, se registraron las señales fisiológicas periféricas de los participantes. El equipo de investigación analizó meticulosamente las características de series temporales extraídas de los datos de los biosensores para identificar patrones que preceden a incidentes agresivos.
Las sesiones observacionales revelan información crítica
Durante el período del estudio, los investigadores realizaron 429 sesiones de codificación observacional, sumando un total de 497 horas. Dentro de estas sesiones, se documentaron y clasificaron 6.665 comportamientos agresivos: autolesiones (59,8%), desregulación emocional (31,0%) y agresión hacia otros (9,3%).
El hallazgo más significativo del estudio radica en la eficacia de la regresión logística como clasificador para predecir comportamientos agresivos. Este método demostró una notable precisión con un área media bajo la curva característica operativa del receptor de 0,80, especialmente al pronosticar conductas agresivas tres minutos antes de su aparición.
Las implicaciones de esta investigación son profundas. Los autores sugieren que estos hallazgos podrían allanar el camino para desarrollar sistemas de salud móvil que brinden intervenciones adaptativas justo a tiempo. Esta tecnología, que podría revolucionar el campo, ofrece nuevas posibilidades para intervenciones preventivas. Al centrarse en reducir la imprevisibilidad del comportamiento agresivo en jóvenes autistas, tiene el potencial de mejorar significativamente su calidad de vida.
Transformando la vida de jóvenes internados con autismo
Este estudio pionero representa un avance prometedor en la investigación y las estrategias de intervención del autismo. Brinda esperanza para mejorar la atención y el apoyo a las personas autistas que presentan conductas desafiantes. Mejorar la predictibilidad y gestión de estas conductas empodera a los jóvenes internados para participar más plenamente en sus hogares, escuelas y comunidades.
El éxito del estudio subraya el potencial del aprendizaje automático para revolucionar nuestra comprensión y cuidado de las personas con autismo. Este enfoque innovador para predecir conductas agresivas ofrece una nueva dimensión de apoyo antes inalcanzable. Los siguientes pasos implicarán un mayor refinamiento y aplicación práctica de estos modelos predictivos.
Perspectivas futuras para la atención del autismo
A medida que se desarrollen y perfeccionen estos modelos predictivos, el futuro de la atención del autismo promete avances. Los sistemas de salud móvil que integren aprendizaje automático podrían convertirse en herramientas invaluables para padres, cuidadores y profesionales de la salud al proporcionar intervenciones y apoyo oportunos.
En conclusión, el estudio pionero dirigido por el Dr. Tales Imbiriba demuestra el poder del aprendizaje automático para predecir comportamientos agresivos en jóvenes con autismo. Esta investigación ofrece esperanza de un futuro más prometedor para las personas que enfrentan los desafíos asociados con el autismo y abre un camino hacia el desarrollo de intervenciones innovadoras y efectivas. Aunque aún queda trabajo por hacer para traducir estos hallazgos en aplicaciones prácticas, el potencial de mejorar la vida de las personas con autismo es una meta que vale totalmente la pena perseguir.
Las mentes más inteligentes del mundo cripto ya leen nuestro boletín. ¿Quieres unirte? Únete a ellos.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Brenda Kanana
Brenda cuenta con más de 4 años de experiencia especializada en criptomonedas, inteligencia artificial y tecnologías emergentes. Ha trabajado en Zycrypto, Blockchain Reporter y The Coin Republic, y ahora tiene a Cryptopolitan como su hogar. Su licenciatura en Sociología de la Universidad Técnica de Mombasa la mantiene alineada con las necesidades de sus lectores.
