Un modelo de inteligencia artificial predice el diagnóstico de autismo en adultos con 92% de precisión
Diagnosticar autismo en la adultez es difícil. Muchos adultos desarrollaron con los años formas de manejar o disimular rasgos que en la infancia hubieran sido más visibles, y los cuestionarios de tamizaje dependen de qué tan bien cada persona reconoce y reporta su propia experiencia. A esto se suma una lista de espera creciente para evaluaciones formales. Un estudio publicado en Translational Psychiatry propone un camino distinto: combinar un cuestionario estándar con tareas cognitivas online y dejar que un modelo de inteligencia artificial encuentre el patrón.
El problema de mirar una sola diferencia
Las investigaciones que comparan a personas autistas y no autistas en tareas mentales puntuales suelen encontrar diferencias pequeñas o inconsistentes. El equipo, liderado por Erik Van der Burg y Robert M. Jertberg (Vrije Universiteit Ámsterdam), partió de una pregunta distinta: en lugar de buscar una dificultad única y definitoria, ¿puede un modelo reconocer un patrón más amplio a través de muchas mediciones combinadas?
Cómo se armó el estudio
Analizaron datos de 552 adultos holandeses, provenientes de tres estudios online previos: 286 con diagnóstico formal de autismo y 266 sin diagnóstico. Los participantes completaron tareas de reconocimiento de emociones en rostros y voces, integración de información visual y auditiva, control de respuestas automáticas, atención, memoria espacial y flexibilidad para cambiar de actividad. De ahí se extrajeron 54 medidas distintas, que alimentaron un modelo de inteligencia artificial (el artículo dice Machine Learning, pero para efectos del artículo y claridad usé IA, que técnicamente es lo mismo).
Como el grupo autista era en promedio mayor y tenía distinta proporción de mujeres y varones, los investigadores repitieron el análisis con una submuestra de 250 personas emparejadas por edad y género, para una prueba más estricta.
Los resultados
Usando solo las tareas cognitivas, el modelo alcanzó 81.8% de precisión en la muestra completa, pero bajó a 74% en la muestra emparejada, lo que indica que parte de ese primer resultado reflejaba diferencias de edad más que de perfil cognitivo. Un cuestionario estándar de 28 ítems, por su parte, llegó a 83.2% en esa misma muestra emparejada.
La combinación de cuestionario y tareas fue la que mejor funcionó: 92% de precisión general, con 88% de los adultos autistas correctamente identificados y 96% de los no autistas. Los tiempos de reacción en las tareas de reconocimiento emocional resultaron especialmente informativos, junto con las medidas de control de respuesta, memoria a corto plazo y flexibilidad mental.
Un hallazgo llamativo: varias de las medidas individuales no mostraban diferencias estadísticamente significativas entre grupos cuando se las miraba por separado. El patrón conjunto, sin embargo, sí predecía el diagnóstico. Un dato aislado dice poco; el conjunto dice bastante más.
Limitaciones
El grupo autista tenía en promedio mayor coeficiente intelectual y menores necesidades de apoyo que la población autista general, y se comparó con población general, no con personas derivadas a una clínica por otras posibles condiciones. Todavía falta probar si este modelo funciona con el tipo de pacientes que un profesional evalúa en una primera consulta clínica.
Referencia: an der Burg, E., Jertberg, R.M., Geurts, H.M. et al. Finding the forest in the trees: Using machine learning and online cognitive and perceptual measures to predict adult autism diagnosis. Transl Psychiatry 16, 129 (2026). https://doi.org/10.1038/s41398-026-03823-
