Un número creciente de investigadores están estudiando cómo la inteligencia artificial podría ayudar a detectar la dislexia en una etapa temprana.
Crédito: Paradoxfx/Dreamstime.com
La dislexia es un problema de aprendizaje que afecta a entre el 5% y el 15% de los estadounidenses y que dificulta la lectura, la escritura y la ortografía. A menudo no se detecta hasta que un niño está en el 4º…th grado (alrededor de los 9 años) o más tarde. Dado que la mayoría de los niños cometen errores cuando empiezan a aprender a leer y escribir, rara vez se detectan a tiempo los signos de advertencia de la enfermedad. «Por el momento, a menudo esperamos a que los estudiantes fallen o estén muy por detrás de todos los demás antes de obtener ayuda», dice Maria Rauschenberger, investigadora del Instituto Max Planck de Sistemas de Software en Saarbrücken…Alemania.
Detectar la dislexia a tiempo podría ser crítico para controlar la condición. Aunque la dislexia puede tratarse mediante la formación, a menudo enseñando estrategias de compensación, normalmente un niño identificado como disléxico tarda unos dos años en ponerse al día con sus compañeros. Si se retrasan académicamente durante demasiado tiempo, corren un riesgo cada vez mayor de abandonar la escuela secundaria. Además, los niños disléxicos no diagnosticados suelen sufrir frustración y baja autoestima, que se acentúa con el tiempo y es cada vez más difícil de remediar.
«No todas las personas pueden averiguar fácilmente cómo compensar», dice Ricardo Báeza-Yates, profesor y fundador del Grupo de Investigación en Ciencias de la Web y Computación Social de la Universidad Pompeu Fabra de Barcelona, España, y profesor del Colegio Khoury de Ciencias de la Computación del campus de Silicon Valley de la Universidad Northeastern. «Por eso es importante intervenir muy pronto, básicamente cuando están empezando a aprender a leer y escribir».
Un número creciente de investigadores están estudiando cómo la inteligencia artificial (IA) podría ayudar a detectar la dislexia en una etapa temprana. Rauschenberger, Baeza-Yates y sus colegas, por ejemplo, están desarrollando lo que ellos llaman el primer juego basado en la web que podría utilizarse para detectar el riesgo de que un niño tenga la enfermedad antes de que pueda leer y escribir, basándose en contenidos independientes del lenguaje y utilizando el aprendizaje automático. Aunque los terapeutas especializados, las exploraciones de fMRI y los sistemas de seguimiento ocular pueden ayudar a evaluar la dislexia en los prelectores, actualmente no existe ninguna técnica barata y fácil, dice Rauschenberger. «Creo que esto podría ser muy útil porque sería el primer producto de consumo», dice. «Sería fácilmente accesible».
En lugar de centrarse en los aspectos de la dislexia relacionados con la lectura y la escritura, el juego utiliza imágenes o sonidos y pantallas para identificar los indicios menos evidentes de la condición. Los disléxicos confunden ciertos sonidos y formas similares, por ejemplo, mientras que su memoria a corto plazo también puede verse afectada. El juego utiliza estos indicadores, así como otros que pueden utilizarse con pistas visuales y auditivas, lo que lo hace accesible a los no lectores, así como a los hablantes de cualquier idioma alfabético.
En el modo visual, al jugador se le presentaría un taco visual, que luego desaparece y, unos segundos después, se le pide que identifique ese taco visual entre un grupo de nueve formas similares. Como se sabe que los disléxicos confunden las letras con simetrías similares, como la B y la D, algunas formas pueden simplemente voltearse o diferir en su orientación.
En la versión auditiva del juego, la jugabilidad es similar a la del clásico juego de parejas Memory. Al jugador se le presentan unas cartas en una pantalla, y hace clic en una de ellas para escuchar un sonido; el objetivo es encontrar dos sonidos que sean iguales.
En las pruebas iniciales, el juego fue jugado por 313 niños que sabían leer y escribir y hablaban alemán o español. A algunos se les había diagnosticado dislexia, mientras que otros no tenían signos de la enfermedad. Los modelos de aprendizaje automático, que incluían árboles de decisión ponderados, se entrenaron con los datos recogidos en el juego para ver si podían predecir qué jugadores tenían dislexia y cuáles no.
El equipo encontró que sus modelos podían predecir la dislexia razonablemente bien. La mayor precisión que lograron fue del 74% con los hablantes de alemán. Típicamente, las pruebas con pistas de lectura y escritura, que son indicadores más fuertes de dislexia, pueden detectar la condición con una precisión de alrededor del 85%. Baeza-Yates cree que su sistema es prometedor, ya que la diferencia de precisión no es enorme y es su primer intento. «Esperamos aumentar [the accuracy] usando más datos», dice Rauschenberger.
El análisis de esos modelos reveló qué aspectos del juego se utilizaban para distinguir a los niños con dislexia del resto. Se esperaban indicadores similares para los hablantes de alemán y español, pero Rauschenberger y sus colegas encontraron muchas diferencias entre los dos grupos lingüísticos.
Por ejemplo, los niños con dislexia suelen tardar más tiempo en procesar la información, por lo que se pensó que jugarían el juego más lentamente. Esto se observó entre los hispanohablantes, donde los niños disléxicos tardaban más en promedio en hacer clic en los iconos de los juegos en comparación con los no disléxicos. En el juego sonoro, los niños españoles con dislexia tardaron más tiempo en encontrar las parejas coincidentes, pero había poca diferencia en la velocidad de la actividad de los participantes alemanes con y sin la afección.
El equipo cree que las diferencias culturales podrían explicar las diferencias de rendimiento en el juego de sonido. «La única suposición que tenemos es que tal vez los estudiantes alemanes tienen más conocimiento de la música en comparación con los españoles», dice Báeza-Yates.
Una vez que el juego se perfeccione, Rauschenberger cree que podría ser usado como una prueba inicial para la dislexia. Los padres podrían entonces hacer un seguimiento llevando a su hijo a un terapeuta para una evaluación o usando herramientas de evaluación lingüística si saben leer y escribir. «Tenerlo como un producto de consumo para guiar a las personas hacia una mayor ayuda sería muy útil y posible», dice.
Otro grupo de investigación está tratando de detectar la dislexia mediante la escritura, otro indicador que no se ha utilizado mucho antes. Katie Spoon, de IBM Research, estaba en la Universidad de Indiana en Bloomington cuando ella y sus colegas se entusiasmaron por acelerar el proceso de detección de la dislexia, ya que eran conscientes del tiempo que puede llevar. «Buscábamos algo que fuera rápido y barato y fácil de recoger», recuerda, y añade que «la escritura a mano surgió como una posibilidad».
En investigaciones anteriores se han identificado aspectos de la escritura que pueden diferir entre los disléxicos y los no disléxicos. Por ejemplo, en lugar de escribir horizontalmente, los disléxicos suelen escribir de forma inclinada hacia arriba o hacia abajo. También pueden tener una mala ortografía y omitir espacios entre las palabras, pero suele ser una combinación de factores que requieren que un profesional capacitado los escoja.
Spoon y sus colegas querían ver si el aprendizaje profundo podría predecir la dislexia por la escritura. Un modelo de aprendizaje profundo aprende por sí mismo, por lo que no necesita ser entrenado para reconocer características específicas. «Uno espera que aprenda las características que son importantes», dice Spoon.
Se recogieron hasta 800 muestras de escritura de estudiantes de escuela primaria, de los cuales alrededor del 15% había sido diagnosticado con dislexia. Se extrajeron de las muestras parches aleatorios de escritura del mismo tamaño y se introdujeron en una red neural convolucional estándar (CNN), un modelo de aprendizaje profundo ampliamente utilizado para analizar imágenes, que luego decidiría si una muestra era indicativa de dislexia o no.
Los resultados iniciales mostraron que el sistema podía seleccionar muestras que pertenecían a niños disléxicos con una precisión del 77%. Aunque Spoon dice que eso no es lo suficientemente preciso para ser usado con fines de diagnóstico, sugiere que el modelo está identificando características de la escritura que pueden distinguir los dos grupos. «Creo que es muy alentador», dice.
Spoon y sus colegas trataron de averiguar qué características podría reconocer la CNN. Primero inspeccionaron visualmente muestras de escritura para ver si había diferencias notables entre los identificados como disléxicos o no.
El rasgo distintivo más obvio era lo que Spoon describe como desorden. Cuando los investigadores clasificaron las muestras de escritura como legibles, parcialmente legibles o ilegibles, encontraron que el 84% de las marcadas como ilegibles y el 60% de las parcialmente legibles eran de niños con dislexia. «Eso muestra una distinción bastante clara para lo que vimos visualmente», dice Spoon, que piensa que su modelo podría estar reconociendo el desorden, también.
El estrés de la cuchara está todavía en las primeras etapas. Hasta ahora, su modelo no ha sido entrenado con muchos datos, y todo es del mismo sistema escolar, lo que podría introducir un sesgo. Los investigadores aún están explorando si la escritura es un indicador apropiado para usar en primer lugar.
Sin embargo, si se sigue trabajando en ello, su sistema podría ayudar a la detección temprana de la dislexia. Spoon cree que tiene potencial como una forma fácil de detectar las señales de alarma, que podría ser seguida por una evaluación más completa, por ejemplo. «Se supone que no debe decir nada definitivo», dice Spoon. «Veo que se utiliza en conjunto con otras herramientas».
Sandrine Ceurstemont es una escritora científica independiente con base en Londres, Reino Unido.
No se han encontrado entradas
