El trabajo propone un modelo basado en "aprendizaje profundo capaz de identificar patrones asociados a trastornos del desarrollo en la infancia antes de que sean evidentes clínicamente". Según los autores, el sistema "combina biomarcadores digitales procedentes del habla y del comportamiento, lo que permite mejorar la precisión del cribado temprano y avanzar hacia diagnósticos más rápidos en edades clave para la intervención".

Se basa en "un algoritmo híbrido de aprendizaje profundo para el reconocimiento automático y temprano de discapacidades del desarrollo". El modelo presentado integra la eficiencia de MnasNet y las redes recurrentes independientes (IndRNN), lo que "permite identificar patrones asociados a estas discapacidades de forma más eficaz".

El estudio no se limita a una única discapacidad, sino que aborda de forma general las discapacidades del desarrollo (DDs). Aun así, trabaja con bases de datos que incluyen casos de autismo y trastornos del habla, como la disartria, por lo que estos son los ejemplos más claros presentes en la investigación.

APOYO AL PERSONAL CLÍNICO

Los resultados obtenidos muestran niveles muy elevados de exactitud, "lo que refuerza el potencial de estas herramientas como apoyo al personal clínico en la toma de decisiones". También convierten esta estrategia en "un enfoque eficaz para el diagnóstico temprano de discapacidades del desarrollo", además de actuar como herramienta basada en datos que "puede ayudar al personal clínico a tomar decisiones más precisas para mejorar los patrones de comportamiento de los pacientes".

Sin embargo, los investigadores subrayan que se trata de un modelo experimental validado en entornos controlados.

Liderado por Abdullah Al-Saleh y desarrollado junto al resto del equipo investigador: Ahmad Hamed Al Abadleh, Ashit Kumar Dutta, Ghanshyam Tejani y Jalaleddin Mousavirad, plantea una línea prometedora, aunque aún requiere "validación en contextos reales y con muestras más amplias que permitan confirmar su aplicabilidad clínica y su capacidad de generalización".