Un revolucionario estudio publicado en PLOS One ha demostrado que los adultos con trastorno por déficit de atención e hiperactividad (TDAH) presentan patrones visuales únicos que pueden ser detectados por inteligencia artificial con una precisión superior al 90%. Esta investigación no solo abre nuevas vías para el diagnóstico, sino que también sugiere que el TDAH podría tener una causa neurológica subyacente común.
El TDAH bajo una nueva perspectiva visual
El TDAH es una condición neurológica que afecta aproximadamente al 3-4% de los adultos canadienses y al 2.6% de los adultos a nivel mundial. Tradicionalmente caracterizado por síntomas de inatención, impulsividad e hiperactividad, este trastorno ha sido estudiado principalmente desde perspectivas cognitivas y conductuales.
Sin embargo, investigadores de la Universidad de Montreal, liderados por el profesor Martin Arguin, decidieron explorar un territorio menos conocido: cómo las personas con TDAH procesan la información visual a través del tiempo.
«Dado la incidencia relativamente alta del TDAH, es sorprendente lo poco que sabemos con certeza sobre él», explicó Arguin, director del Laboratorio de Neurocognición Visual.
La técnica revolucionaria: muestreo temporal aleatorio
Los científicos utilizaron una metodología innovadora llamada random temporal sampling (muestreo temporal aleatorio) para rastrear la eficiencia del procesamiento visual en fracciones minúsculas de tiempo. Esta técnica permite capturar variaciones temporales en la eficiencia perceptual, las cuales se cree que originan de la actividad neural oscilatoria.
Cómo funciona el experimento
El estudio involucró a 49 participantes jóvenes de dos universidades de Quebec:
- 26 controles neurotípicos
- 23 personas con diagnóstico formal de TDAH (17 con medicación estimulante, 6 sin medicación)
Los participantes realizaron una tarea aparentemente simple pero altamente sofisticada: leer palabras francesas de cinco letras superpuestas con ruido visual durante apenas 200 milisegundos. La clave estaba en que la visibilidad de cada palabra variaba rápidamente durante este breve período.
El ruido visual no era estático, sino que cambiaba siguiendo patrones compuestos por múltiples ondas sinusoidales a diferentes frecuencias. Esta fluctuación aleatoria permitió a los investigadores analizar la eficiencia del procesamiento visual en cada momento específico.
Resultados sorprendentes: patrones únicos revelados
Los análisis revelaron diferencias consistentes en los patrones de procesamiento visual entre participantes con y sin TDAH. Aunque la estructura general del procesamiento visual era similar, ciertas frecuencias mostraron diferencias marcadas:
- Oscilaciones de procesamiento a 5, 10 y 15 ciclos por segundo (Hz)
- Particularmente evidentes cuando el ruido del estímulo oscilaba entre 30-40 Hz
Precisión del machine learning
Cuando estos patrones fueron analizados por un algoritmo de machine learning, los resultados fueron extraordinarios:
- 91.8% de precisión general en la clasificación
- Más del 96% de sensibilidad (capacidad de identificar correctamente participantes con TDAH)
- 87% de especificidad (capacidad de identificar correctamente individuos neurotípicos)
- Solo el 3% de las características totales fueron necesarias para esta clasificación
Impacto de la medicación: otro hallazgo clave
El estudio también investigó si la inteligencia artificial podía distinguir entre personas con TDAH que toman medicación estimulante y aquellas que no. A pesar del tamaño pequeño de la muestra, el modelo logró una precisión del 91.3%, con 100% de precisión para identificar a quienes tomaban medicación.
Este hallazgo sugiere que la medicación regular tiene un efecto medible en la temporización del procesamiento visual, proporcionando evidencia objetiva de los cambios neurológicos inducidos por el tratamiento farmacológico.
Implicaciones revolucionarias para el diagnóstico
Los hallazgos desafían las concepciones actuales sobre el TDAH. Mientras que gran parte de la literatura científica enfatiza las diferencias individuales entre personas con TDAH como indicador de causas variadas, este estudio apunta hacia una posible causa única.
«Nuestros hallazgos indican que podemos clasificar al 100% de nuestros participantes en sus respectivos grupos basándonos en sus patrones individuales de oscilaciones perceptuales, señalando hacia una posible causa única», explicó Arguin.
Ventajas potenciales del nuevo método
Esta técnica podría ofrecer ventajas significativas sobre los métodos de diagnóstico actuales:
- Objetividad: Basado en mediciones cuantificables, no en evaluaciones subjetivas
- Rapidez: Requiere solo una tarea visual breve
- Accesibilidad: Potencialmente más económico que evaluaciones especializadas extensas
- Precisión: Mayor exactitud que muchos métodos diagnósticos actuales
Limitaciones y direcciones futuras
A pesar de los resultados prometedores, los investigadores reconocen varias limitaciones:
- Tamaño de muestra modesto, especialmente para comparaciones entre grupos medicados y no medicados
- Participantes principalmente jóvenes adultos – se desconoce si los patrones se replicarían en niños u adultos mayores
- Conexión específica entre patrones visuales observados y mecanismos neurales subyacentes aún no está clara
Próximos pasos de la investigación
El equipo ya está trabajando en replicar estos hallazgos en niños de 10-14 años, el rango de edad donde más frecuentemente se busca evaluación para TDAH.
«Si podemos replicar nuestros hallazgos en niños, indicaría que el muestreo temporal aleatorio podría constituir una excelente prueba para la evaluación del TDAH», señaló Arguin.
Un cambio de paradigma en neurociencia
Este estudio representa un cambio fundamental en nuestra comprensión del TDAH. En lugar de ver el trastorno como resultado de múltiples causas variables, los hallazgos sugieren que podría existir una diferencia central única en la temporización perceptual que caracteriza la condición.
La capacidad de clasificar individuos con tal alta precisión, basada en una tarea visual breve, podría revolucionar tanto el diagnóstico clínico como nuestra comprensión teórica del TDAH.
Si la técnica demuestra ser confiable en poblaciones más amplias y bajo diferentes condiciones de prueba, podríamos estar ante el desarrollo de una herramienta clínica objetiva y altamente precisa para el diagnóstico del TDAH, abordando los desafíos actuales de acceso limitado a especialistas, costos elevados y dependencia de evaluaciones sintomatológicas subjetivas.
La investigación, titulada «Visual processing oscillates differently through time for adults with ADHD», fue realizada por Pénélope Pelland-Goulet, Martin Arguin, Hélène Brisebois y Nathalie Gosselin de la Universidad de Montreal.
 presentan patrones visuales únicos que pueden ser detectados por inteligencia artificial con una precisión superior al 90%. Esta investigación no solo abre nuevas vías para el diagnóstico, sino que también sugiere que el TDAH podría tener una causa neurológica subyacente común.){kind=link}