Un nuevo estudio dirigido por investigadores de la Universidad Northwestern utiliza el aprendizaje automático -una rama de la inteligencia artificial- para identificar patrones de habla en niños con autismo que eran consistentes entre el inglés y el cantonés, lo que sugiere que las características del habla podrían ser una herramienta útil para diagnosticar la enfermedad.

El estudio, llevado a cabo con colaboradores de Hong Kong, ha aportado datos que podrían ayudar a los científicos a distinguir entre los factores genéticos y ambientales que determinan la capacidad de comunicación de las personas con autismo, lo que podría ayudarles a conocer mejor el origen de la enfermedad y a desarrollar nuevas terapias.

Los niños con autismo suelen hablar más despacio que los niños con un desarrollo típico y presentan otras diferencias de tono, entonación y ritmo. Pero estas diferencias (denominadas «diferencias prosódicas» por los investigadores) han sido sorprendentemente difíciles de caracterizar de forma consistente y objetiva, y sus orígenes han permanecido poco claros durante décadas.

Sin embargo, un equipo de investigadores dirigido por los científicos de Northwestern Molly Losh y Joseph C.Y. Lau, junto con el colaborador Patrick Wong, con sede en Hong Kong, y su equipo, utilizaron con éxito el aprendizaje automático supervisado para identificar las diferencias del habla asociadas al autismo.

Los datos utilizados para entrenar el algoritmo fueron grabaciones de jóvenes de habla inglesa y cantonesa con y sin autismo que contaban su propia versión de la historia representada en un libro infantil ilustrado sin palabras llamado «Rana, ¿dónde estás?».

Aprendizaje automático para descifrar el habla

«Cuando las lenguas son tan diferentes desde el punto de vista estructural, es probable que las similitudes en los patrones del habla observados en el autismo en ambas lenguas sean rasgos fuertemente influidos por la responsabilidad genética del autismo«, dijo Losh, que es el profesor Jo Ann G. y Peter F. Dolle de Dificultades de Aprendizaje en Northwestern.

«Pero igual de interesante es la variabilidad que observamos, que puede apuntar a rasgos del habla que son más maleables, y potencialmente buenos objetivos para la intervención».

Lau añadió que el uso del aprendizaje automático para identificar los elementos clave del habla que eran predictivos del autismo representaba un importante paso adelante para los investigadores, que se han visto limitados por el sesgo del idioma inglés en la investigación del autismo y la subjetividad de los humanos a la hora de clasificar las diferencias del habla entre las personas con autismo y las que no lo tienen.

«Utilizando este método, pudimos identificar características del habla que pueden predecir el diagnóstico de autismo», dijo Lau, un investigador postdoctoral que trabaja con Losh en el Departamento de Ciencias y Trastornos de la Comunicación Roxelyn y Richard Pepper de Northwestern.

«La más destacada de esas características es el ritmo. Tenemos la esperanza de que este estudio pueda ser la base de futuros trabajos sobre el autismo que aprovechen el aprendizaje automático.»

Los investigadores creen que su trabajo puede contribuir a mejorar la comprensión del autismo. Según Lau, la inteligencia artificial puede facilitar el diagnóstico del autismo al ayudar a reducir la carga de los profesionales de la salud, haciendo que el diagnóstico del autismo sea accesible para más personas. También podría proporcionar una herramienta que algún día podría trascender las culturas, debido a la capacidad del ordenador para analizar las palabras y los sonidos de forma cuantitativa, independientemente del idioma.