Resumen
Los actuales procedimientos de evaluación clínica se basan en evaluaciones subjetivas de expertos sobre la presencia de síntomas, siendo la entrevista clínica el método principal. Aunque ampliamente utilizado, este enfoque presenta limitaciones, como la falta de medidas neurobiológicas objetivas y de procedimientos ecológicos en los entornos de prueba.
En las últimas décadas, las bioseñales humanas han cobrado interés como medidas científicas que aportan información neurobiológica más allá de la conciencia subjetiva. Estas pueden mejorar la objetividad de las evaluaciones mediante la detección automática de biomarcadores emocionales y cognitivos. La propuesta actual es registrar las bioseñales durante una estimulación ecológica y aplicar modelos de inteligencia artificial (IA) para detectar trastornos clínicos de forma automática. Para lograr validez ecológica, la realidad virtual (RV) se ha consolidado como herramienta para simular escenarios realistas donde los usuarios actúan con naturalidad, además de ofrecer entornos seguros y controlados para evaluaciones clínicas.
El objetivo principal de esta tesis es superar las limitaciones de los procedimientos actuales mediante el registro de bioseñales y la detección automática de biomarcadores para mejorar la objetividad de la evaluación, y mediante la RV para ofrecer estímulos ecológicos que se asemejen a entornos reales. El trastorno del espectro autista (TEA) fue elegido como caso de estudio por la importancia de un diagnóstico temprano y objetivo para asegurar intervenciones oportunas.
En primer lugar, se realizó una revisión sistemática de modelos de IA utilizados para la clasificación temprana del TEA. Dada la variedad de bioseñales en estudios, se eligió la atención visual social y se revisaron once artículos que destacaban técnicas y modelos de aprendizaje automático para identificar el TEA en niños. Los hallazgos apoyan el uso de IA para la detección del TEA y proporcionan información sobre las técnicas más empleadas.
A continuación, se realizaron dos estudios experimentales para evaluar la usabilidad y la experiencia de usuario de un procedimiento de RV para la evaluación temprana del TEA, y para comprobar si la experiencia virtual inducía deterioros conductuales y motores en niños con TEA. Los resultados mostraron que los niños preferían una metáfora de interacción específica que fue aplicada en la experiencia. Además, los niños con TEA mostraron deterioro conductual y motor en ciertas tareas, lo que sugiere biomarcadores del trastorno en entornos virtuales. Estos hallazgos establecieron las bases para un tercer estudio experimental.
El tercer estudio evaluó si las bioseñales implícitas, que aportan más información neurobiológica, son superiores en la evaluación automática del TEA en RV. Los niños con TEA y desarrollo típico experimentaron cuatro escenas virtuales con tareas similares a estudios previos, pero con estímulos estéticos, auditivos y olfativos adicionales. Se registraron bioseñales implícitas, como habilidades motoras y movimientos oculares, y bioseñales explícitas, como rendimiento conductual y verbal. Los modelos de IA se aplicaron a cada bioseñal y se combinaron mediante un sistema de votación. Los resultados mostraron que la bioseñal implícita de habilidades motoras fue la más eficaz y robusta para detectar el TEA en comparación con los movimientos oculares y el rendimiento conductual. Este hallazgo sugiere la utilidad de desarrollar procedimientos de evaluación objetiva tanto unimodales como multimodales para el TEA, y apoya la inclusión de deterioros motores como criterio diagnóstico del autismo.
Esta tesis puede ayudar a investigadores y clínicos en el diseño de procedimientos interactivos y ecológicos de RV para evaluar trastornos clínicos, más allá de los trastornos del neurodesarrollo.
