Aprendizagem de Máquina Prevê Comportamentos Agressivos em Jovens com Autismo
- Um estudo liderado pelo Dr. Tales Imbiriba, na Universidade Northeastern em Boston, utilizou aprendizado de máquina para prever comportamento agressivo em jovens com autismo, oferecendo esperança para um atendimento melhor.
- O estudo equipou os participantes com biossensores e encontrou uma precisão notável na previsão de agressividade, especialmente três minutos antes que ela ocorresse.
- Esses achados podem levar ao desenvolvimento de sistemas de saúde móvel que oferecem intervenções oportunas, melhorando a vida das pessoas com autismo e reduzindo a imprevisibilidade do seu comportamento.
Em um estudo inovador publicado online na JAMA Network Open, os pesquisadores aproveitaram a potência da aprendizagem de máquina para prever eficazmente comportamentos agressivos iminentes em jovens internados com autismo. Liderada pela Dra. Tales Imbiriba da Universidade Northeastern em Boston, esta pesquisa marca um avanço significativo na compreensão e gestão de comportamentos desafiadores associados ao autismo.
O estudo, conduzido de março de 2019 a março de 2020, focou em 70 pacientes psiquiátricos internados com diagnósticos confirmados de autismo. Esses indivíduos exibiam comportamento autolesivo, desregulação emocional ou agressão contra outros, sendo 32 deles minimamente verbais e 30 com deficiências intelectuais.
Equipados com biossensores comercialmente disponíveis, os sinais fisiológicos periféricos dos participantes foram registrados. A equipe de pesquisa analisou meticulosamente as características de séries temporais extraídas dos dados dos biossensores para identificar padrões que precedem incidentes agressivos.
Sessões observacionais revelam insights críticos
Os pesquisadores conduziram 429 sessões de codificação observacional durante o período do estudo, totalizando um impressionante 497 horas. Dentro dessas sessões, 6.665 comportamentos agressivos foram documentados e categorizados em autolesão (59,8%), desregulação emocional (31,0%) e agressão contra outros (9,3%).
A descoberta mais significativa do estudo reside na eficácia da regressão logística como classificador para prever comportamento agressivo. Este método demonstrou precisão notável com uma área média sob a curva característica de operação receiver (ROC) de 0,80, especialmente na previsão de comportamento agressivo três minutos antes de seu início.
As implicações desta pesquisa são profundas. Os autores sugerem que esses achados podem pavimentar o caminho para o desenvolvimento de sistemas de saúde móvel que forneçam intervenções adaptativas em tempo real. Esta tecnologia, que poderia revolucionar o campo, oferece novas possibilidades para intervenção preventiva. Ao focar na redução da imprevisibilidade do comportamento agressivo em jovens autistas, tem o potencial de melhorar significativamente sua qualidade de vida.
Transformando as vidas de jovens internados com autismo
Este estudo inovador representa um avanço promissor na pesquisa e nas estratégias de intervenção para o autismo. Ele traz esperança para melhor cuidado e apoio para indivíduos autistas que exibem comportamentos desafiadores. Aumentar a previsibilidade e o gerenciamento desses comportamentos capacita os jovens internados a se envolverem mais plenamente em suas casas, escolas e comunidades.
O sucesso do estudo sublinha o potencial da aprendizagem de máquina em revolucionar a forma como entendemos e cuidamos de indivíduos com autismo. Esta abordagem inovadora para prever comportamentos agressivos oferece uma nova dimensão de suporte que anteriormente era inatingível. Os próximos passos envolverão o refinamento adicional e a aplicação prática desses modelos preditivos.
Perspectivas futuras para o cuidado do autismo
À medida que esses modelos preditivos são desenvolvidos e refinados, o futuro do cuidado do autismo é promissor. Sistemas de saúde móvel incorporando aprendizagem de máquina podem se tornar ferramentas inestimáveis para pais, cuidadores e profissionais de saúde na fornecimento de intervenções e apoio oportunos.
Em conclusão, o estudo inovador liderado pela Dra. Tales Imbiriba demonstra o poder da aprendizagem de máquina em prever comportamentos agressivos em jovens com autismo. Esta pesquisa oferece esperança para um futuro mais brilhante para indivíduos enfrentando os desafios associados ao autismo e fornece um caminho para o desenvolvimento de intervenções inovadoras e eficazes. Embora ainda haja muito trabalho para traduzir esses achados em aplicações práticas, o potencial de melhorar as vidas daqueles com autismo é um objetivo bem worth pursuing.
Se você está lendo isso, já está à frente. Mantenha-se assim com nosso boletim informativo.
Aviso Legal. As informações fornecidas não constituem aconselhamento de investimento. Cryptopolitan.com não assume responsabilidade por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamos fortemente a realização de pesquisa independente e/ou consulta com um profissional qualificado antes de tomar quaisquer decisões de investimento.
Brenda Kanana
Brenda tem mais de 4 anos de experiência especializada em criptomoedas, inteligência artificial e tecnologias emergentes. Ela trabalhou na Zycrypto, Blockchain Reporter, The Coin Republic e agora faz do Cryptopolitan seu lar. Sua graduação em Sociologia pela Mombasa Technical University mantém-a alinhada com o pulso de seus leitores.
