APLICANDO RECONHECIMENTO DE PADRÕES E RASTREAMENTO OCULAR PARA DETECÇÃO DE TRANSTORNOS DO NEURODESENVOLVIMENTO

INTRODUÇÃO: O transtorno relacionado ao déficit de atenção com hiperatividade (TDAH), assim como o transtorno do espectro autista (TEA), afetam o desenvolvimento do sistema nervoso central, impactando áreas como aprendizagem, comunicação e relacionamento, e são mais frequentemente diagnosticadas na infância. No entanto, a detecção precoce desses transtornos é desafiadora, especialmente em populações específicas, como crianças de famílias imigrantes, áreas rurais ou com recursos de saúde limitados. OBJETIVOS: Treinar e avaliar modelos de aprendizagem de máquina em imagens provenientes do rastreamento de olhos (eye tracking) visando a classificação de padrões de transtornos do neurodesenvolvimento. MATERIAIS E MÉTODO: Utilizou-se algoritmos avançados de aprendizado de máquina, aplicados a bases de imagens obtidas através de técnicas de eye tracking, para identificar padrões que possam indicar a presença dos transtornos mencionados. Foram avaliadas três diferentes abordagens: i) fine-tuning de redes neurais convolucionais (RNCs) pré-treinadas; ii) combinação de RNCs usando regra da soma e voto majoritário; e iii) uso de RNC como extrator de características para treinamento de modelo usando máquinas de vetor de suporte. RESULTADOS: Foram observados resultados promissores para as três abordagens avaliadas, observando-se um desempenho inicial de 76% quando se utilizou a extração de características via RNC para treinamento de uma máquina de vetor de suporte, atingindo-se 88% de taxa de acerto, quando utilizada a abordagem que considera a combinação de RNCs via regra da soma. CONSIDERAÇÕES FINAIS: A combinação de RNCs com regra da soma mostrou-se uma abordagem promissora para classificação de imagens de eye tracking, com potencial para ser gerar ferramenta destinada ao diagnóstico precoce de TDE e TDAH. A detecção precoce é crucial para a intervenção e apoio adequado, melhorando as perspectivas de desenvolvimento e qualidade de vida das crianças afetadas por esses transtornos. Como trabalhos futuros, espera-se aumentar a base de imagens para aprimorar os modelos gerados.

PALAVRAS-CHAVE: Rastreamento de olhos; aprendizagem de máquina; transtornos de atenção; TEA; TDAH