Modelo de aprendizaje automático profundo para la identificación de rasgos del espectro autista en adultos

Abstract

El presente trabajo tuvo como objetivo desarrollar y validar un modelo de clasificación basado en técnicas de Machine Learning para apoyar el proceso de screening del Trastorno del Espectro Autista en adultos, utilizando el cuestionario estandarizado AQ-10. Para ello, se empleó el conjunto de datos público Autism Screening on Adults, el cual fue sometido a un proceso de preprocesamiento que incluyó limpieza de datos, codificación de variables categóricas y estandarización de atributos numéricos, además de la eliminación de una variable que introducía fuga de información. La solución fue desarrollada siguiendo la metodología CRISP-DM y consistió en la implementación y evaluación comparativa de cuatro modelos de clasificación: Árbol de Decisión, Random Forest, Máquina de Vectores de Soporte (SVM) y una Red Neuronal Artificial. Los modelos fueron validados mediante métricas estándar de clasificación, tales como precisión, sensibilidad (recall), F1-score, matriz de confusión y el área bajo la curva ROC (AUC-ROC), priorizando la reducción de falsos negativos debido a la naturaleza clínica del problema. Los resultados obtenidos muestran que todos los modelos presentan un desempeño elevado, destacando especialmente el Random Forest y la Red Neuronal Artificial, ambos con valores de AUC cercanos a 0,996 y altos niveles de sensibilidad y precisión. En particular, el Random Forest demostró el mejor equilibrio entre capacidad predictiva, estabilidad y reducción de errores clínicamente relevantes, posicionándose como la alternativa más adecuada para su uso en procesos de screening inicial. En conclusión, este estudio confirma que las técnicas de Machine Learning pueden constituir una herramienta eficaz de apoyo al tamizaje del TEA en adultos, contribuyendo a una detección más temprana y accesible, siempre como complemento y no como reemplazo del diagnóstico clínico profesional.

This work aimed to develop and validate a classification model based on Machine Learning techniques to support the screening process of Autism Spectrum Disorder in adults using the standardized AQ-10 questionnaire. For this purpose, the public dataset Autism Screening on Adults was used and subjected to a preprocessing stage that included data cleaning, categorical variable encoding, numerical feature standardization, and the removal of a variable that introduced data leakage. The solution was developed following the CRISP-DM methodology and consisted of the implementation and comparative evaluation of four classification models: Decision Tree, Random Forest, Support Vector Machine (SVM), and an Artificial Neural Network. The models were validated using standard classification metrics, including precision, recall, F1-score, confusion matrix, and the Area Under the ROC Curve (AUC-ROC), with particular emphasis on minimizing false negatives due to the clinical nature of the problem. The results show that all models achieved high performance, with Random Forest and the Artificial Neural Network standing out, both reaching AUC values close to 0.996 along with high sensitivity and precision. In particular, Random Forest exhibited the best balance between predictive accuracy, stability, and reduction of clinically relevant errors, making it the most suitable alternative for initial screening purposes. In conclusion, this study demonstrates that Machine Learning techniques can effectively support the screening of ASD in adults, contributing to earlier and more accessible detection, always as a complement to professional clinical diagnosis.