Nella valutazione dei disturbi dello spettro autistico ci si affida molto all’osservazione del comportamento della persona e l’intelligenza artificiale può divenire uno strumento oggettivo da integrare nella pratica clinica.
LO PSICOLOGO DEL FUTURO – (Nr. 15) Screening e assessment dello spettro autistico
Il disturbo dello spettro autistico (Autism Spectrum Disorder – ASD) è un disturbo dello sviluppo neurologico caratterizzato da difficoltà nella comunicazione sociale e nell’interazione con modelli di comportamento, interesse o attività limitati o ripetitivi (APA, 2013). La diagnosi per ASD può essere difficile poiché non ci sono test medici tipici, come un esame del sangue; per avviare il processo di diagnosi, i medici di medicina generale (spesso pediatri) esaminano i pazienti per la possibilità di tratti autistici e quindi indirizzano i casi potenzialmente positivi a psicologi specializzati o psichiatri per un’ulteriore valutazione comportamentale. La diagnosi di autismo può essere effettuata su bambini di età pari o superiore a 18 mesi, sebbene la ricezione di una diagnosi definitiva possa avvenire in età avanzata (Thabtah, 2017). Il processo diagnostico ASD richiede ai professionisti di condurre una valutazione clinica dell’età evolutiva sulla base di una varietà di categorie (ad esempio eccessi comportamentali, comunicazione, cura di sé e abilità sociali). Esistono strumenti diagnostici comuni per lo spettro autistico come l’Autism Diagnostic Observation Schedule (ADOS) e l’Autism Diagnostic Interview-Revised (ADI-R); tuttavia, in assenza di biomarcatori chiaramente identificabili, l’attuale gold standard nei criteri diagnostici si basa su osservazioni comportamentali somministrate da professionisti sanitari (Thabtah, 2017). Il sistema attuale di screening fa dunque molto affidamento sui dati di osservazione comportamentale; tuttavia, nella raccolta di informazioni basate su azioni o risposte anche molto labili a situazioni sociali e sulla loro interpretazione da parte dell’amministratore, i dati di osservazione comportamentale affrontano numerose sfide. A differenza delle scansioni genetiche e di neuroimaging, che hanno un protocollo ottimizzato e consolidato per la raccolta e l’analisi, non esiste un sistema oggettivato per catturare i cambiamenti costanti nel comportamento di un individuo. Per questo motivo, nelle valutazioni rispetto al disturbo dello spettro autistico, i ricercatori si stanno focalizzando sull’utilizzo dell’intelligenza artificiale (IA) per percepire in modo indipendente e accurato le informazioni rilevanti: la combinazione dell’osservazione clinica e dell’intelligenza artificiale può aiutare a superare i limiti della raccolta dei dati durante lo screening e il processo diagnostico (Song, Kim, Bong, Kim & Yoo, 2019). Infatti l’affidabilità e la validità dei risultati prodotti dalla sola osservazione comportamentale vengono messe in discussione quando si tiene conto della soggettività, che può derivare da differenze nella formazione e nelle esperienze professionali, dalla mancanza di risorse o dall’adattabilità culturale delle valutazioni (Al Maskari, Melville & Willis, 2018). Tali limitazioni all’attuale sistema diagnostico vengono superate, secondo recenti ricerche scientifiche, grazie all’intelligenza artificiale, indicata come un’alternativa promettente nello screening e nell’assessment di questo disturbo (Song, Kim, Bong, Kim & Yoo, 2019). Costruita sulla base delle reti biologiche del cervello umano, l’IA copre un’ampia gamma di tecnologie in grado di eseguire funzioni cognitive imitando l’intelligenza umana (Noorbakhsh-Sabet, Zand, Zhang & Abedi, 2019). Diversi studi hanno applicato l’intelligenza artificiale nel riconoscimento dei sintomi, nella classificazione, nella diagnosi e nella previsione degli outcome delle terapie di numerosi disturbi. Equipaggiata per migliorare l’accuratezza attraverso la ricorsività della sua applicazione, l’intelligenza artificiale può ridurre la probabilità di introdurre inevitabili errori umani: ad esempio, l’IA è in grado di acquisire dati che potrebbero non essere visibili all’occhio umano durante le osservazioni comportamentali, il che può portare a precisa rappresentazione dei dati (Noorbakhsh-Sabet, Zand, Zhang & Abedi, 2019).
L’obiettivo principale degli studi che utilizzano l’intelligenza artificiale e le sue applicazioni nella diagnosi dell’autismo è quello di migliorare l’accuratezza delle scale di classificazione esistenti ma, anche, di creare nuove scale basate su reti neurali (Van Hieu & Hien, 2018).
Vi sono diverse applicazioni dell’intelligenza artificiale nello screening del disturbo dello spettro autistico, alcune di esse implicano la Machine Learning, il Natural Language Processing e le nuove applicazioni su smartphones.
Uno dei sottocampi più comunemente usati dell’IA nella ricerca è la machine learning (ML) ovvero l’apprendimento automatico (Song, Kim, Bong, Kim & Yoo, 2019). I modelli ML sono in grado di produrre conoscenze sulle relazioni di dominio contenute nei dati, spesso denominate interpretazioni. Estraendo informazioni utili e costruendo modelli complessi che superano le prestazioni umane nell’analisi di grandi set di dati, la machine learning può migliorare la comprensione dell’ASD e può ulteriormente aiutare a costruire una base più solida e migliore per effettuare lo screening e fornire una diagnosi di tale disturbo (Song, Kim, Bong, Kim & Yoo, 2019). Il metodo di screening intelligente ha dunque lo scopo di sviluppare un modello di classificazione in grado di prevedere i tratti autistici utilizzando casi storici presenti in memoria; ogni volta che il set di dati di input viene aggiornato, la struttura del modello si modifica automaticamente senza alcun intervento umano. In un recente studio, Stevens (2019) ha identificato sottogruppi dello spettro autistico utilizzando metodi di machine learning linear analysis (LDA) per quanto riguarda le caratteristiche cinetiche della deambulazione: le previsioni hanno raggiunto una percentuale di accuratezza dell’82,5% e una bassa percentuale di errore. Lo scopo di questo studio è stato quello di utilizzare i sottogruppi emersi per realizzare interventi personalizzati e i risultati dimostrano che l’apprendimento automatico è in grado di riconoscere i fenotipi dell’autismo.
Un’altro metodo IA utilizzato per la diagnosi dell’autismo è il Natural Language Processing (NPL). La NPL è un dominio dell’informatica incentrato sulle interazioni tra computer e il linguaggio umano (linguaggio naturale). Alcuni dei compiti più comunemente ricercati nella natural Language processing sono la comprensione del linguaggio naturale, il riconoscimento vocale, la correzione dell’ortografia, il controllo grammaticale e la traduzione automatica (Anagnostopoulou et al., 2020). Un software che utilizza la NPL è il chatbot, uno strumento frequentemente utilizzato nel campo della salute. L’utente sottoposto a chatbot riceve come feedback domande o risposte scritte che assomigliano a quelle che un essere umano darebbe e ogni risposta digitata dall’utente viene salvata e confrontata con le altre presenti e registrate nel sistema. Esattamente queste parole salvate costituiscono la chiave per diagnosticare il sintomo. Successivamente, vengono esaminate le frasi utilizzate dal paziente per diagnosticare la gravità del sintomo. Di conseguenza, le parole chiave vengono esaminate e quando tutte le domande sono terminate, vengono salvati anche i sintomi emersi come output e un albero decisionale fornisce il risultato della diagnosi, con una precisione dell’83,4%.
Un’altra nuova tecnologia di intelligenza artificiale è WearSense, che utilizza le capacità dei moderni smartwatch per il rilevamento di comportamenti stereotipati nei bambini con autismo (Amiri et al., 2017). La tecnologia WearSense è composta da uno smartwatch, uno smartphone con un’applicazione che raccoglie i dati sensoriali dell’accelerometro e anche da algoritmi di machine learning che rilevano e classificano i comportamenti ripetuti, tipici delle persone che appartengono allo spettro autistico. I dati forniti come output presentano un’accuratezza del 96,7% al rilevamento dei comportamenti autistici (Amiri et al., 2017).
In conclusione, l’intelligenza artificiale viene sempre più studiata in relazione agli effetti positivi che può eventualmente avere sulla valutazione dell’autismo. L’apprendimento automatico, l’elaborazione del linguaggio naturale, le reti neurali e le applicazioni telefoniche hanno molto da offrire alla diagnosi dell’autismo e di altri disturbi dello sviluppo neurologico. Di conseguenza è evidente come l’uso delle nuove tecnologie possa aiutare famiglie, medici e bambini nel processo di valutazione, riducendone le tempistiche. Inoltre, l’IA offre l’opportunità di elaborare e classificare una maggiore quantità di dati, con percentuali di successo e accuratezza molto elevate. L’obiettivo principale dello sviluppo e applicazione delle nuove tecnologie è la diagnosi precoce del disturbo, in modo che gli individui affetti da autismo ottengano un intervento adeguato e tempestivo. Pertanto, è importante continuare la ricerca su questo argomento al fine di sviluppare metodi innovativi che rendano il processo di diagnosi più facile, veloce, accurato e meno costoso.
