Classificação da gravidade do transtorno do espectro autista baseada no padrão de rastreamento do olhar

• Ano de defesa: 2019
• Autor(a) principal: Biasão, Mirian de Cesaro Revers
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina supervisionado; Autism spectrum disorder; Classificação; Classification; Eye tracking; Fixação ocular; Fixation ocular; Índice de gravidade de doença; Rastreamento do olhar; Severity of illness index; Supervised machine learning; Transtorno do espectro autista
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/5/5142/tde-11122019-112343/

O transtorno do espectro autista cursa com alterações precoces na percepção visual, culminando com déficits na comunicação social e comportamentos restritos e estereotipado. Dados objetivos sobre o padrão visual dos indivíduos são obtidos através da técnica de rastreamento do olhar. Sabe se que a técnica é eficaz para identificar indivíduos com TEA quando comparados a controles, mas, ainda não há trabalhos que utilizem esses dados a fim de classificar subtipos do transtorno. O objetivo deste estudo é preencher essa lacuna, e utilizar os dados de rastreamento do olhar associado a padrões de aprendizado de máquina a fim de classificar subgrupos de TEA, quanto a gravidade. Para tanto, foi utilizado modelo baseado em mapas de atenção visual, que utiliza os dados da captação sem filtros. O classificador foi testado pelo método de validação cruzada. Os resultados mostraram que foi possível classificar em TEA grave e não grave com média de 85% de precisão, atingindo o máximo de 88% de precisão, 87% de sensibilidade e 60% de especificidade. Espera-se que novos estudos, envolvendo número maior de indivíduos e outras características fenotípicas, possam ser desenvolvidos utilizando esta técnica, a fim de identificar biomarcadores para o transtorno