Un cambio de paradigma en la detección

Durante años, la detección del autismo y del trastorno por déficit de atención e hiperactividad —TDAH— dependió casi exclusivamente de la observación clínica, los cuestionarios familiares, la mirada docente y la disponibilidad de especialistas. Ese enfoque sigue siendo central. Pero la investigación científica más reciente empieza a mostrar un cambio profundo: nuevas herramientas digitales pueden ayudar a identificar señales tempranas, ordenar información dispersa y advertir cuándo un niño o una niña necesita una evaluación más completa.

La transformación no consiste en encontrar “un test mágico” ni un marcador único. Por el contrario, los estudios más sólidos apuntan a una combinación de datos: patrones de conducta, desarrollo del lenguaje, hitos motores, atención visual, movimientos oculares, registros médicos, genética, imágenes cerebrales y aprendizaje automático. La inteligencia artificial aparece, en este escenario, como una herramienta de apoyo para detectar riesgo, priorizar derivaciones y reducir demoras.

El objetivo no es reemplazar el diagnóstico profesional, sino llegar antes y mejor. Detectar tempranamente puede evitar años de incertidumbre, demoras en los apoyos terapéuticos, diagnósticos incompletos o intervenciones que no se adaptan al perfil real del niño, adolescente o adulto.

La detección temprana ya no depende de una sola mirada, sino de la combinación entre clínica, datos, tecnología y contexto.

Otra línea prometedora es el seguimiento ocular. Distintos trabajos vienen mostrando que la forma en que bebés y niños pequeños miran escenas sociales, rostros, objetos o patrones geométricos puede aportar información relevante. Algunos estudios con protocolos breves evaluaron la posibilidad de usar eye-tracking en bebés derivados por sospecha clínica. La hipótesis es clara: antes de que muchas señales sean evidentes para el entorno, ya pueden aparecer diferencias sutiles en la atención visual.

El Karolinska Institutet, en Suecia, publicó además un modelo de aprendizaje automático capaz de estimar probabilidad de autismo a partir de información médica y de desarrollo relativamente simple, sin necesidad de pruebas complejas. El trabajo analizó una gran base de datos internacional y encontró que datos como los hitos del desarrollo, algunas conductas tempranas y antecedentes disponibles en controles pediátricos pueden alimentar modelos útiles para orientar la detección.

En paralelo, la genética está cambiando la manera de entender el espectro autista. Investigaciones de Princeton, el Flatiron Institute y otros equipos internacionales sugieren que el autismo no debería pensarse como una única condición homogénea, sino como un conjunto de trayectorias con perfiles biológicos y clínicos diferentes. Esa mirada abre la puerta a una detección más personalizada, capaz de reconocer necesidades concretas sin reducir a la persona a una etiqueta.

TDAH: registros médicos, retina y biomarcadores digitales

En TDAH, los avances recientes también son relevantes. Investigadores de Duke utilizaron historias clínicas electrónicas longitudinales para entrenar modelos capaces de estimar riesgo de TDAH años antes del diagnóstico habitual. El sistema analiza patrones presentes en registros médicos de rutina: antecedentes del desarrollo, consultas, condiciones conductuales, diagnósticos asociados y señales que, por separado, quizá no alertan al sistema, pero combinadas pueden indicar necesidad de seguimiento.

La Universidad de Alberta, en Canadá, trabajó una línea similar con datos poblacionales, registros de salud y evaluaciones del desarrollo en jardín de infantes. El estudio mostró que modelos de aprendizaje automático pueden ayudar a anticipar qué niños recibirán posteriormente un diagnóstico de TDAH. Esto podría ser especialmente útil en escuelas y sistemas de salud con alta demanda, donde muchas familias esperan años para acceder a una evaluación especializada.

También aparecen biomarcadores inesperados. Un estudio publicado en npj Digital Medicine, con investigadores de Yonsei University y hospitales de Corea del Sur, exploró fotografías del fondo de ojo como posible marcador no invasivo para detección de TDAH. La retina comparte mecanismos neurobiológicos con el sistema nervioso central, y los modelos de aprendizaje automático lograron distinguir patrones asociados al trastorno con alto rendimiento estadístico. Todavía falta validación externa y uso clínico real, pero el hallazgo abre una vía novedosa: buscar señales neurobiológicas accesibles, rápidas y menos costosas.

El seguimiento ocular también se investiga en TDAH. Estudios con dispositivos portátiles observaron diferencias en fijaciones, movimientos sacádicos, latencia de respuesta visual y tareas de inhibición o memoria de trabajo. Estos datos podrían complementar la evaluación neuropsicológica tradicional, sobre todo en contextos escolares o comunitarios, donde el acceso a especialistas suele ser limitado.

La inteligencia artificial puede ayudar a ver señales antes invisibles, pero no reemplaza la evaluación profesional ni el acompañamiento humano.

Promesas, límites y una mirada más humana

La evidencia más reciente confirma algo que muchas familias y profesionales ya observan: autismo y TDAH no siempre aparecen como categorías aisladas. Hay superposición de síntomas, rasgos compartidos, comorbilidades frecuentes y posibles bases biológicas comunes. Investigaciones en neuroimagen, conectividad cerebral y genética están impulsando enfoques más centrados en dimensiones concretas —atención, comunicación social, impulsividad, sensibilidad sensorial, funciones ejecutivas— que en etiquetas rígidas.

Sin embargo, los científicos son prudentes. La mayoría de estas herramientas todavía no está lista para reemplazar la evaluación clínica ni para ser usada como diagnóstico autónomo. Sus resultados pueden variar según edad, sexo, contexto social, idioma, calidad de los datos y diversidad de las muestras. Además, un sistema mal aplicado podría generar falsos positivos, angustia innecesaria o nuevas formas de desigualdad si solo queda disponible para sectores con mayor acceso tecnológico.

El avance, entonces, debe leerse en su justa medida. La ciencia se acerca a modelos de detección más tempranos, objetivos y personalizados. Pero el centro sigue siendo humano: escuchar a las familias, observar al niño o adulto en su contexto, respetar la neurodiversidad y garantizar apoyos oportunos. La tecnología puede ayudar a ver antes. La responsabilidad clínica, educativa y social es decidir qué hacer con esa información para mejorar la vida de las personas.

El futuro de la detección del autismo y el TDAH parece orientarse hacia un modelo integrado: pediatras, escuelas, familias, especialistas y herramientas digitales trabajando juntos. Menos espera, menos subdiagnóstico, menos diagnósticos tardíos. Y, sobre todo, una idea más justa: detectar no para marcar una diferencia como problema, sino para reconocer necesidades, abrir apoyos y acompañar trayectorias de desarrollo con mayor precisión y respeto.

El verdadero avance no es etiquetar antes, sino reconocer necesidades a tiempo y abrir apoyos más precisos.