Universidade Federal de São Paulo

Destaques

Categoria que apresenta as informações, notícias e iniciativas mais relevantes e prioritárias da instituição, proporcionando maior visibilidade aos temas de maior interesse público.

Artigo apresenta método inovador usando imagens faciais e deep learning, com mais de 92% de acurácia

Escrito por Ligia Gabrielli

Identificar precocemente o Transtorno do Espectro Autista (TEA) pode transformar a vida de crianças, famílias e profissionais de saúde, mas o processo tradicional de diagnóstico, baseado em entrevistas e observações clínicas, é complexo, subjetivo e muitas vezes inacessível em diversas regiões. Pensando nesse desafio, um estudo liderado por Rodrigo Colnago Contreras, docente do Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo (ICT/Unifesp) - Campus São José dos Campos, desenvolveu um sistema inovador que utiliza técnicas de inteligência artificial para detectar sinais de autismo a partir de uma simples foto do rosto da criança.

O trabalho, publicado recentemente na Scientific Reports, do grupo Nature, propõe uma abordagem que alia tecnologia de ponta a uma necessidade urgente de saúde pública: ampliar o acesso ao diagnóstico precoce e objetivo do TEA.

“Nossa proposta é democratizar e agilizar o processo de identificação do autismo, usando tecnologias avançadas para apoiar médicos(as), educadores(as) e famílias no reconhecimento precoce dos sinais do transtorno”, afirma Rodrigo Contreras.

O diferencial do estudo está na aplicação de deep transfer learning, uma técnica de aprendizado de máquina que utiliza redes neurais profundas previamente treinadas — como aquelas usadas em sistemas de reconhecimento facial e de objetos por grandes empresas de tecnologia — e as adapta para identificar traços visuais associados ao autismo.

Essa abordagem permite que o sistema funcione bem mesmo com poucos dados, uma característica fundamental para o ambiente médico, onde bases de dados extensas nem sempre estão disponíveis. O processo evita etapas complexas de re-treinamento, economiza tempo e recursos e ainda garante alta precisão.

A ferramenta analisa imagens faciais para detectar padrões sutis que podem ser indicativos de TEA. Nos testes realizados, o sistema atingiu uma taxa de acurácia superior a 92%, superando abordagens tradicionais e demonstrando seu potencial como um instrumento de triagem rápida, eficiente e acessível.

“Utilizamos métodos de inteligência artificial que extraem características faciais imperceptíveis ao olho humano, mas que, em conjunto, formam um perfil confiável para apoio ao diagnóstico. A taxa de acurácia que alcançamos mostra que a tecnologia pode ser uma aliada poderosa na saúde”, explica o pesquisador da Unifesp.

Potenciais impactos para o diagnóstico do TEA

A proposta de usar imagens faciais, somada ao poder de algoritmos de aprendizado profundo, tem um impacto potencial enorme: facilitar o diagnóstico precoce em larga escala, inclusive em locais com poucos especialistas ou infraestrutura limitada. Isso pode ajudar a iniciar intervenções terapêuticas mais cedo, fator decisivo para melhorar o desenvolvimento social, cognitivo e de comunicação de crianças no espectro.

Embora o sistema não substitua a avaliação clínica tradicional, ele funciona como uma importante ferramenta complementar de triagem. Em contextos de atenção básica à saúde, programas escolares ou campanhas de saúde pública, poderia ser usado para identificar precocemente crianças com maior risco, encaminhando-as para avaliação especializada.

“Queremos oferecer uma ferramenta que funcione como um primeiro passo, que permita que mais crianças sejam avaliadas de forma ágil e segura. Diagnosticar o autismo cedo é dar mais oportunidades de desenvolvimento e inclusão”, reforça Contreras.

Desenvolvimento futuro

O grupo de pesquisa pretende expandir os testes clínicos, validar a tecnologia em diferentes perfis populacionais e trabalhar em versões do sistema adaptadas para dispositivos móveis. Um aplicativo, por exemplo, poderia levar o recurso para ainda mais pessoas, especialmente em regiões remotas.

Além disso, estudos adicionais buscarão combinar essa análise de imagens com outras informações (como dados comportamentais simples) para refinar ainda mais a precisão da identificação.

“Nosso compromisso é seguir aprimorando a ferramenta para que ela esteja disponível como um apoio efetivo aos(às) profissionais de saúde e famílias. A tecnologia pode e deve ser aliada na luta por um diagnóstico mais precoce, mais justo e mais inclusivo”, destaca o docente da Unifesp.

 

Configurações de Cookies
Usamos cookies para garantir que você tenha a melhor experiência em nosso site. Se você recusar o uso de cookies, este site pode não funcionar conforme o esperado.
Aceitar todos os Cookies
Rejeitar todos os Cookies
Leia mais
Analytics
Ferramentas utilizadas para analisar dados e mensurar a eficácia de um site e entender como ele funciona.
Google Analytics
Aceitar Cookies
Rejeitar Cookies
Salvar