Datos faciales para la detección del trastorno del espectro autista mediante aprendizaje automático, aprendizaje profundo y modelos emergentes de lenguaje y visión: una revisión sistemática

Qué problema aborda

El trastorno del espectro autista (TEA) es una condición neurodesarrollo cuya identificación temprana puede facilitar intervenciones más eficaces. La evaluación convencional se basa en observaciones de especialistas y reportes de cuidadores, lo que ha impulsado la investigación en métodos de detección asistidos por computadora que utilizan datos faciales y comportamentales.

Qué hicieron los autores

Los autores realizaron una revisión sistemática de 171 estudios publicados entre 2016 y mayo de 2026, que analizan el uso de imágenes faciales estáticas, videos faciales, seguimiento ocular y datos multimodales en la evaluación del TEA. Además, se examinaron modelos de lenguaje grandes, modelos de visión-lenguaje y modelos multimodales aplicados a la evaluación del TEA, aspectos que no habían sido abordados en revisiones anteriores.

Qué encontraron

La revisión revela que los enfoques de aprendizaje automático y profundo han mostrado un rendimiento prometedor en la detección del TEA, aunque la fuerza de la evidencia varía según la procedencia de los datos, la confirmación del diagnóstico, la independencia de los participantes y el diseño de validación. Los estudios que utilizan imágenes estáticas a menudo dependen de conjuntos de datos públicos reutilizados, mientras que los estudios que involucran videos faciales y seguimiento ocular generalmente utilizan cohortes a nivel de participantes, aunque la validación externa y prospectiva sigue siendo limitada.

Limitaciones

Las diferencias en las poblaciones estudiadas, los protocolos de adquisición, los objetivos de predicción y las unidades de evaluación dificultan una comparación directa de las métricas reportadas en los diferentes estudios. Además, aunque los modelos de base amplían el campo hacia descripciones de comportamiento y razonamiento diagnóstico, la evidencia que respalda su efectividad sigue siendo preliminar.

Lectura final

Los datos faciales presentan un potencial significativo para el cribado asistido por computadora del TEA, pero su traducción clínica requiere conjuntos de datos verificados clínicamente, evaluaciones independientes de los participantes y pruebas en cohortes independientes. La investigación en este ámbito es prometedora y podría transformar la forma en que se diagnostica y se interviene en el TEA en el futuro.