Machine Learning Para La Predicción de Trastornos Del Neurodesarrollo En Niños: Una Revisión Sistemática de La Literatura

Esta revisión sistemática de la literatura tuvo por objetivo resumir la información sobre el uso de Machine Learning para la predicción de trastornos del neurodesarrollo en niños, para ello se realizó una exhaustiva búsqueda en bases de datos confiables, como: ACM Digital Library, IEEE Xplore, SpringerLink, Scopus y Web of Science, que luego de aplicar criterios de inclusión y exclusión junto a una evaluación de calidad se obtuvo un total de 80 articulos para analizar. Los principales resultados fueron: la tecnología de información y comunicaciones más utilizada para la predicción de un trastorno del neurodesarrollo es el aprendizaje automático, llamado en inglés como Machine Learning, con un porcentaje de 28,57%; el algoritmo de Machine Learning más utilizado es el de máquinas de soporte vectorial, más conocido como Support Vector Machines, con un 28,77%; el tipo de modelo de Machine Learning más empleado fue el supervisado, con un 91,89%; el trastorno más comúnmente predicho mediante tecnologías de información y comunicación es el Trastorno del Espectro Autista, con un 57,78%; y, finalmente, los factores más frecuentemente considerados para las predicciones son la conectividad cerebral y la información del niño, con un 25,29% y 20,69%, respectivamente. En conclusión, el Machine Learning es clave para la predicción de trastornos del neurodesarrollo, permitiendo una mayor precisión diagnóstica, pero su aplicación requiere mejoras continuas en los modelos y en la calidad de los datos para superar las limitaciones existentes.