Resumen de Solución tecnológica para la detección precoz automática de Trastornos del Espectro Autista en niños basada en serious games y tecnología Eyetracking
En los últimos años, el Trastorno del Espectro Autista (TEA) ha generado un gran interés en el mundo científico, logrando un aumento de investigaciones, tanto a nivel medico como a nivel tecnológico. En el ámbito de la tecnología, las herramientas desarrolladas, abarcando desde aplicaciones dedicadas, desarrollo de robots o tecnología EyeTracking, están teniendo un impacto muy positivo y una gran aceptación ya que son un gran apoyo para trabajar los puntos fuertes y débiles de las personas con TEA. Sin embargo, a pesar de las ventajas que presentan, en su mayoría, estas herramientas están pensadas para trabajar de forma individualizada con el sistema, olvidando el trabajar las relaciones sociales. Asimismo, están enfocadas a ser utilizadas una vez realizado el diagnostico, olvidando la necesidad existente de realizar una detección precoz con el fin de comenzar a trabajar las áreas de afectación del TEA lo antes posible, mejorando de ésta forma su calidad de vida.
Partiendo de la problemática, en esta tesis se formula la siguiente hipótesis: "Es posible obtener indicadores objetivos que ayuden a detectar el Trastorno del Espectro Autismo mediante las tecnologías de seguimiento ocular y Serious Game colaborativos" Para ello, se propone un sistema basado en la integración de diversas tecnologías como son serious game colaborativos, tecnologías de seguimiento ocular y técnicas de inteligencia artificial, junto con un sistema de configuración del serious game.
Los serious games colaborativos planteados han sido diseñados siguiendo el enfoque 'Diseño Centrado en el Usuario' con el fin de alcanzar un sistema accesible que cubra las necesidades de las personas con TEA. Los Serious Game implementan ejercicios mediante los cuales se trabaja la comunicación entre el niño/a - responsable obteniendo resultados en términos de aciertos, errores, tiempos y modos de interacción que son combinados mediante algoritmos con la información proveniente del dispositivo hardware de seguimiento ocular(EyeTracker). Gracias al EyeTracker se capturan los parámetros asociados a la mirada analizando las regiones de interés donde se centra la atención visual, la duración de la fijación de la mirada en cada una de ellas y el modo exploratorio que realizan los participantes de la pantalla a lo largo del Serious Game. La información obtenida es procesada mediante la integración de métodos estadísticos no paramétricos junto con técnicas de inteligencia artificial enfocadas en la clasificación y reducción de características tales como ADTree, SVM, NaiveBayes, Rondom Forest, J48 encargadas de seleccionar los indicadores críticos para la detección. Asimismo, se ha realizado un análisis estadístico completo de la información obtenida.
Como resultado de las pruebas del sistema llevadas a cabo con 20 niños de entre 3 y 8 años de edad con diagnóstico de Trastorno del Espectro Autista, Grupo Clínico, y 20 niños de edades similares con desarrollo neurotípico, Grupo Control, se ha comprobado, entre otras, las diferencias existentes entre ambos grupos a la hora de comunicarse con otras personas, llegando a necesitar el Grupo Clínico una media de 20,85 segundos para solicitar ayuda frente a los 4,45 segundos del Grupo Control. Asimismo, se ha detectado la tendencia del Grupo Clínico a llevar su mirada al punto más inferior de la pantalla realizando un número de fijaciones muy bajo en la parte central de la misma. Gracias a la combinación de estos resultados se han obtenido 21 indicadores críticos a emplear en la detección precoz con un porcentaje de aciertos en la clasificación del 95%.
Estos resultados demuestran como las características extraídas ayudan a definir los patrones atípicos tanto de mirada como de interacción de las personas con TEA cuando se ven involucrados en situaciones sociales, convirtiéndose en indicadores a considerar en la detección precoz del autismo.
Validándose por tanto la hipótesis planteada, abriendo nuevas líneas de investigación para mejorar y detectar de forma temprana posibles casos de TEA y por tanto ayudando a mejorar su calidad de vida.
Los resultados han sido publicados en 3 revistas científicas internacionales como Bio-Medical Materials and Engineering (IF=1.09), International Journal of Environmental Reasearch and Public Health (IF=2.063), International Journal of Multimedia Technology. Así como en congresos internacionales Computer Games (CGAMES), International IEEE Consumer Electronics Society's: Games Innovations Conference (ICE-GIC), y un capítulo en el libro Advances in Medicine and Biology.
