Encontrar el bosque entre los árboles: uso del aprendizaje automático y medidas cognitivas y perceptivas en línea para predecir el diagnóstico de autismo en adultos

Por qué es tan difícil detectar el autismo en adultos

Muchos adultos autistas esperan años, incluso décadas, antes de recibir un diagnóstico; en parte porque las herramientas usadas para identificar el autismo en adultos son instrumentos toscos. Cuestionarios breves y entrevistas pueden pasar por alto a personas que han aprendido a “encajar” socialmente, y son vulnerables a sesgos y conjeturas. Este estudio plantea si un enfoque distinto—pruebas objetivas en línea de percepción y pensamiento combinadas con aprendizaje automático moderno—puede señalar mejor quién es probable que sea autista y hacerlo de forma escalable a través de internet.

De cuestionarios simples a huellas digitales digitales ricas

El cribado tradicional del autismo en adultos se apoya en gran medida en formularios de autoinforme que preguntan sobre hábitos, preferencias y experiencias sociales. Estos pueden ser útiles, pero también dependen de la capacidad de una persona para discernir su propio comportamiento y de expectativas culturales. Los autores de este trabajo tomaron otra ruta. Reutilizaron datos de experimentos en línea previos en los que cientos de adultos neerlandeses, autistas y no autistas, completaron una batería de tareas informáticas. Esas tareas exploraban tres áreas que a menudo difieren en el autismo: cómo la gente combina lo visual y lo auditivo, cómo reconoce emociones a partir de rostros y voces, y cómo planifica, cambia e inhibe acciones—un conjunto conocido como función ejecutiva.

Midiendo cómo la gente ve, siente y piensa

En estos estudios, los participantes vieron y escucharon fragmentos breves, identificaron emociones a partir de fotografías de rostros o del tono de voz, y realizaron juegos clásicos de tiempo de reacción que requieren respuestas rápidas o contención deliberada. En lugar de centrarse solo en si las respuestas eran correctas o incorrectas, los investigadores extrajeron 54 medidas detalladas que describían cómo actuó cada persona. Estas incluían la rapidez de sus respuestas, cómo cambiaba su precisión con el tiempo, qué tipo de errores cometían y cuán consistente era su rendimiento a lo largo de las pruebas. También se incluyeron la edad y el sexo para tener en cuenta de forma justa su influencia conocida en estas habilidades.

Dejar que el aprendizaje automático encuentre los patrones

Para dar sentido a estos datos de alta dimensión, el equipo usó un método de aprendizaje automático popular llamado random forest (bosque aleatorio), que construye muchos árboles de decisión y combina sus votos. Entrenaron el modelo para distinguir adultos autistas de no autistas y luego probaron qué tan bien podía clasificar a individuos nuevos que no había visto antes. Incluso cuando los grupos se emparejaron cuidadosamente por edad y sexo—lo que hace la tarea más difícil—el modelo, usando solo las medidas basadas en el rendimiento, identificó correctamente el autismo en aproximadamente tres de cada cuatro casos. Cuando los investigadores añadieron un ingrediente extra—la puntuación total de un cuestionario de autismo ampliamente usado—la precisión del modelo combinado subió a cerca del 92 por ciento, con pocos autistas no detectados y pocas falsas alarmas.

Pistas ocultas en la manera de realizar las tareas

Curiosamente, el éxito del modelo no descansó únicamente en las diferencias grupales más obvias. Los tiempos de reacción, especialmente en tareas de reconocimiento emocional, fueron contribuyentes importantes, lo que refleja trabajos anteriores que muestran que los adultos autistas a menudo reconocen emociones con precisión pero más despacio. Pero el algoritmo también halló valor en medidas que, por sí solas, no diferían significativamente entre grupos cuando se promediaban de la manera habitual. Estas incluían tipos particulares de errores en tareas de inhibición y memoria de trabajo y fluctuaciones sutiles en el rendimiento a lo largo del tiempo. En otras palabras, las diferencias relacionadas con el autismo emergieron de una constelación de características interactivas más que de un único déficit dramático, subrayando que la “melodía” del comportamiento importa más que una sola “nota”.

Hacia un apoyo más rápido y justo para adultos

Para el lector no experto, el mensaje clave es que tareas breves y objetivas en línea—combinadas inteligentemente con cuestionarios existentes—pueden ofrecer una imagen mucho más nítida de quién es probable que sea autista que los cuestionarios por sí solos. El estudio muestra que el aprendizaje automático puede descubrir patrones fiables en cómo los adultos ven, sienten y piensan, incluso cuando las estadísticas tradicionales solo detectan pequeñas diferencias. Si bien tales herramientas no pueden ni deben reemplazar una evaluación clínica completa, podrían ayudar a priorizar a los adultos para evaluaciones oportunas, reducir la dependencia del autoinforme sesgado y ofrecer a los clínicos un perfil más rico de fortalezas y desafíos cognitivos. Con mayor refinamiento y pruebas en grupos más diversos, este tipo de cribado accesible basado en internet podría convertirse en una ayuda importante para reducir largas listas de espera y llevar apoyo adecuado a los adultos autistas más pronto.

Cita: Van 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-y

Palabras clave: diagnóstico de autismo en adultos, aprendizaje automático, evaluación cognitiva en línea, reconocimiento de emociones, función ejecutiva