Sistema de Recomendação de Tecnologia ASD com Base em Machine Learning Mostra Alta Precisão

Autores do artigo original: Jeyarani Periasamy, Lukminal Feri Julian

Um estudo recente liderado por Jeyarani Periasamy e Lukminal Feri Julian apresentou um sistema que utiliza machine learning para recomendar tecnologias adequadas para indivíduos com Transtorno do Espectro do Autismo (ASD) com base em perfis comportamentais. O trabalho visa apoiar terapeutas na escolha de intervenções tecnológicas, oferecendo recomendações que se adequem melhor às necessidades dos pacientes.

Por Jeyarani Periasamy, Faculdade de Ciência de Dados e Tecnologia da Informação, INTI Interational University, Malásia • Lukminal Feri Julian, Departamento de Tecnologia da Informação, Faculdade de Ciência da Computação, Universitas Amikom Purwokerto, Indonésia

Publicado em 18-09-2026 • Atualizado em 23/09/2026, 14:05:55

O estudo é focado em melhorar a recomendação de intervenções tecnológicas para pessoas com ASD, que atualmente só contam com rótulos binários de diagnóstico nos conjuntos de dados públicos disponíveis. Os pesquisadores propuseram um método de rotulagem baseado em conhecimento, utilizando a ferramenta “soft scoring” para gerar cinco rótulos de recomendação tecnológica: Comunicação Aumentativa e Alternativa (AAC), jogos sérios, robôs sociais, aplicativos sensoriais e modelagem em vídeo.

Abordagem Inovadora

O sistema foi desenvolvido a partir de um conjunto de dados que combina informações do UCI ML Repository e da plataforma Kaggle, totalizando 5.505 instâncias. A técnica de aprendizado de máquina Gradient Boosting, adequadamente ajustada, demonstrou a melhor performance, alcançando uma precisão de 96,73% e um F1-macro de 96,54%. Esses resultados indicam que o modelo tem uma boa capacidade de generalização e estabilidade.

Detalhes da Metodologia

Os pesquisadores realizaram uma análise de explicabilidade utilizando os SHapley Additive exPlanations (SHAP) para validar que os padrões de previsão do modelo são consistentes com as evidências clínicas subjacentes ao processo de rotulagem. Identificou-se que o perfil comportamental AQ-10 é um indicador forte e suficiente para distinções tecnológicas, sem a necessidade de incluir características demográficas como um recurso adicional.

Aplicações Práticas e Limitações

O sistema desenvolvido não tem a intenção de substituir avaliações clínicas abrangentes, mas pode servir como ferramenta de apoio inicial para profissionais de saúde antes de avaliações detalhadas. Apesar dos resultados promissores, o estudo destaca como limitações o fato de os rótulos não terem sido validados por profissionais de ASD e a base de dados utilizar uma população internacional que pode não refletir condições locais. Pesquisas futuras podem focar na validação clínica das recomendações e no desenvolvimento de conjuntos de dados locais.

O avanço no uso de machine learning para a recomendação de tecnologia no campo do autismo representa um passo importante na personalização do cuidado e otimização das intervenções terapêuticas.

Ler o artigo científico original

Revisado e aprovado por lss.duda antes da publicação.