Autismo e IA: una diagnosi precoce può cambiare il futuro dei bambini

L’intelligenza artificiale e la nuova frontiera della diagnosi dell’autismo

L’universo dell’Intelligenza Artificiale (IA) si sta rivelando un terreno fertile per nuove applicazioni nel contesto psicologico; specificamente nella diagnosi precoce e nel monitoraggio dei disturbi dello spettro autistico (DSA). Le innovazioni recenti sono state oggetto di dibattito in manifestazioni come l’European Conference on Digital Psychology, tenutasi a Milano nel mese di marzo del 2024. Questo evento ha accolto specialisti internazionali dediti all’esplorazione delle potenzialità offerte dall’IA nei settori della salute mentale, istruzione e diagnostica psicologica. L’aumento dell’interesse verso tali tecnologie deriva dalla loro abilità nell’analizzare informazioni complesse ed offrire insight, avvicinandosi così al superamento degli ostacoli incontrati dai sistemi diagnostici tradizionali. Tra i molteplici esempi degni di nota, troviamo il riconoscimento automatico delle espressioni facciali; quest’ambito integra competenze d’ingegneria informatica e IA finalizzate alla creazione di algoritmi capaci non solo d’identificare ma anche d’analizzare efficacemente le espressioni attraverso fotografie o riprese video, con livelli d’accuratezza sempre crescenti.

Il riconoscimento delle espressioni facciali può essere implementato attraverso diversi modelli e sistemi. Un metodo di primaria importanza è senza dubbio il Facial Acting Coding System (FACS), concepito per decodificare i movimenti del viso attraverso singole unità muscolari d’azione. Accanto a questo si colloca l’MPEG-4 Facial Animation Parameters (FAPs), il quale sfrutta 83 punti fondamentali dell’anatomia facciale – come le sopracciglia e gli occhi – al fine di generare modelli dettagliati del volto umano. Un ulteriore strumento significativo sono gli Active Appearance Models (AAMs): tali modelli statistici integrano dati riguardanti sia la forma sia la consistenza della pelle, creando rappresentazioni delle varie espressioni facciali. La portata di questi sistemi va oltre l’ambito puramente emozionale; infatti, trovano applicazione anche nella psicologia clinica, contribuendo alla diagnosi di patologie come depressione e autismo, così come nello studio dei livelli d’ansia o stress nei soggetti analizzati. Sono altresì utilizzabili nel contesto educativo: consentono infatti una valutazione quantitativa dell’engagement degli studenti durante le lezioni; analogamente, nel campo della medicina comportamentale risultano efficaci nel monitoraggio dei sintomi dolorosi nei pazienti in trattamento terapeutico. Ultimamente emerge anche il loro contributo nella sfera della comunicazione non verbale: essi offrono strumenti efficaci nell’identificazione delle bugie o nell’analisi dei sentimenti complessi evidenti sul viso umano.

Una delle applicazioni più discusse riguarda il mondo del lavoro, in particolare le fasi di selezione del personale, dove le IA possono analizzare video di presentazione per valutare le espressioni facciali dei candidati e determinare, ad esempio, il loro grado di affidabilità o l’eventuale presenza di stati emotivi. Per quanto riguarda la diagnosi di condizioni specifiche, un lavoro di ricerca ha dimostrato come l’analisi delle espressioni facciali composite, cioè quelle che uniscono due espressioni complementari, possa portare a un’accuratezza del 90% nel rilevamento della depressione attraverso machine learning. Questo risultato, raggiunto su un dataset di 32.750 immagini di espressioni facciali (iCV-MEFED), evidenzia il potenziale di queste tecniche, nonostante le numerose sfide ancora da affrontare. Il “fenotipo digitale”, cioè il comportamento linguistico quotidiano registrato digitalmente, potrebbe rivoluzionare le valutazioni psicologiche, integrando i resoconti soggettivi e i questionari con dati oggettivi derivanti dall’analisi dei social media per predire diagnosi di depressione o probabilità di ricaduta nelle dipendenze.

Parallelamente, nuove tecnologie come gli strumenti di tracciamento oculare stanno emergendo come promettenti ausili per la diagnosi precoce dell’autismo nei bambini, già a partire dai 16 mesi di vita. Un dispositivo approvato dalla Food and Drug Administration (FDA) statunitense, l’EarliPoint Evaluation, misura i movimenti oculari dei bambini mentre guardano video di interazioni sociali. Un bambino con sviluppo tipico, ad esempio, si concentrerebbe sui gesti o sulle espressioni facciali degli attori nei video; al contrario, un bambino con autismo mostrerebbe una minore attenzione a questi dettagli, un’anomalia che viene rilevata con precisione dal tracciamento oculare. Due studi pubblicati su JAMA e JAMA Network Open hanno coinvolto centinaia di bambini (da 475 a 719, e un altro gruppo di 370) e hanno dimostrato che questa tecnologia ha una sensibilità dell’80% e una specificità del 82-89%, prevedendo le diagnosi mediche con un “alto grado di precisione”. Ciò significa che può contribuire in modo significativo a ridurre i tempi di attesa per una diagnosi e ad accelerare l’accesso a trattamenti e supporti precoci, ottimizzando così i risultati a lungo termine per i bambini.

I bias algoritmici e la necessità di un approccio etico

L’entusiasmo per le potenzialità dell’IA nella diagnosi psicologica, e in particolare dell’autismo, deve essere bilanciato da una rigorosa attenzione ai bias algoritmici e alle questioni etiche legate alla privacy e alla deumanizzazione della diagnosi. L’applicazione di sistemi di IA nel riconoscimento delle espressioni facciali o nell’analisi del linguaggio, sebbene promettente, è ancora in fase di sviluppo e presenta sfide significative. Come sottolineato dagli esperti, le limitazioni dei dati disponibili e l’influenza di fattori culturali possono condizionare l’accuratezza dei modelli. Ad esempio, le micro-espressioni e le occlusioni facciali, dovute a occhiali o trucco, possono influenzare l’interpretazione dei dati, rendendo l’analisi più complessa.

Per superare queste difficoltà, il progresso scientifico suggerisce l’uso di tecniche longitudinali e modelli multilivello, che puntano a sviluppare un fenotipo digitale più autentico e accurato.

Un’altra preoccupazione etica è legata ai bias culturali o alle disuguaglianze nei dataset di allenamento degli algoritmi. Se i dati utilizzati per addestrare l’IA non sono sufficientemente rappresentativi di tutte le popolazioni, l’algoritmo potrebbe funzionare meno efficacemente per alcuni gruppi etnici, di genere o socio-economici, portando a diagnosi imprecise o a mancate identificazioni di patologie. Questo aspetto è cruciale soprattutto in contesti sanitari, dove l’accuratezza diagnostica è fondamentale.

In Italia, già dal 2014, il Garante per la Protezione dei dati personali ha stabilito linee guida per l’utilizzo dei dati biometrici, subordinandoli al consenso informato ed esplicito e ai principi di liceità, necessità, finalità e proporzionalità.

Le implicazioni per la neuropsichiatria infantile e il ruolo della famiglia

L’avanzamento dell’Intelligenza Artificiale, con le sue applicazioni nella diagnosi e nel monitoraggio dell’autismo, porta con sé implicazioni significative per la neuropsichiatria infantile. La possibilità di diagnosi precoci, grazie a strumenti come il tracciamento oculare, può ridurre drasticamente i tempi di attesa che le famiglie spesso affrontano prima di ricevere una diagnosi definitiva. Tradizionalmente, la diagnosi di autismo si basa sulla valutazione clinica della storia di sviluppo del bambino, dei suoi comportamenti e dei resoconti dettagliati dei genitori, un processo lungo e complesso che può durare ore e talvolta non rilevare comportamenti sottili, specialmente nei bambini molto piccoli.

La nuova tecnologia di tracciamento oculare offre “misurazioni oggettive” che possono affiancare e supportare il giudizio clinico degli esperti, senza sostituirlo. Il ricorso a questo modello d’intervento più obiettivo ed efficace permette un accesso accelerato ai trattamenti terapeutici, essenziali per massimizzare gli esiti a lungo termine nei minori affetti da DSA.

Numerose esperienze dimostrano quanto le famiglie si trovino frequentemente coinvolte in percorsi difficili e faticosi. Genitori come Monia e Gabriele – che allevano tre figli autistici – sono stati capaci di adattarsi alla situazione, migliorando significativamente il tenore delle loro vite. Le loro storie mettono in luce l’urgenza di disporre di supporti mirati e diagnosi che siano non soltanto precise ma anche proattive. Questo approccio consente azioni correttive su misura da attuarsi rapidamente. In tale contesto, l’intelligenza artificiale si configura come una risorsa imprescindibile: facilita infatti una diagnostica anticipata ed è in grado di trasformare radicalmente le modalità terapeutiche adottate.

Tra percezione e riconoscimento: il delicato equilibrio della mente algoritmica

All’interno della disciplina della psicologia cognitiva, uno degli aspetti più affascinanti è rappresentato dal riconoscimento delle espressioni facciali, che si colloca nel vasto ambito della percezione sociale. Questo fenomeno implica che il cervello umano debba elaborare una miriade di segnali visivi per comprendere gli stati emotivi e le intenzioni degli individui circostanti. Tuttavia, nei soggetti con disturbi dello spettro autistico, tale abilità può risultare seriamente compromessa, portando a frustrazioni nelle loro interazioni sociali. Inoltre, l’intelligenza artificiale tende ad emulare queste funzioni cognitive; essa si propone di segmentare questi processi complessi in componenti elementari – come i movimenti muscolari facciali o la traiettoria dello sguardo – con l’obiettivo di produrre una comprensione delle emozioni o dei focus attentivi.

In un contesto più sofisticato derivante da queste ricerche emerge la tematica legata all’apprendimento vicario e alla modellazione sociale. È noto che i bambini normalmente sviluppano competenze emotive attraverso osservazioni e imitazioni dei comportamenti altrui. La scarsa attenzione mostrata dai bambini autistici verso le interazioni sociali nei video (fenomeno messo in evidenza attraverso sistemi avanzati di tracciamento oculare) indica pertanto una possibile disfunzionalità nei meccanismi fondamentali dell’apprendimento sociale; questa condizione richiede pertanto interventi mirati affinché possano acquisire tali competenze.

In questo scenario, la tecnologia non deve essere una sostituzione, ma un fedele compagno di viaggio, un amplificatore delle nostre capacità, mai un riduttore della nostra intrinseca complessità.