Una IA puede detectar el TDAH infantil con un 99 % de precisión, según un nuevo estudio. Así lo asegura un nuevo estudio publicado en Healthcare, que ha demostrado que ya es una realidad que un algoritmo entrenado con inteligencia artificial puede detectar signos de TDAH infantil con más precisión que muchas pruebas clínicas tradicionales.
El estudio, realizado por investigadores de la Universidad Mundiapolis y la Escuela Marroquí de Ingeniería, han desarrollado un sistema de inteligencia artificial capaz de predecir con un 99 % de exactitud si un niño presenta trastorno por déficit de atención e hiperactividad (TDAH).
Este avance no solo supone una herramienta poderosa para la detección temprana, sino que también arroja luz sobre factores inesperados que podrían estar relacionados con el diagnóstico, como la falta de sueño o incluso el exceso de risa.
¿Qué hace esta inteligencia artificial?
El equipo investigador ha diseñado un sistema de aprendizaje automático (machine learning) que analiza más de 60 variables recogidas en una base de datos nacional estadounidense con información sobre más de 39.000 niños entre 3 y 17 años.
Tras entrenar a diferentes algoritmos, descubrieron que el más eficaz para el caso infantil era el de regresión logística, con una precisión del 99 %. Lo llamativo no fue solo el resultado, sino los factores que el algoritmo identificó como más influyentes en el diagnóstico: las horas de sueño del niño, el grado de risa o sonrisa frecuente, y otros indicadores como dificultades de memoria o experiencias de discriminación.
Los investigadores utilizaron técnicas de IA explicable (XAI), que permiten visualizar qué variables han influido más en cada predicción, aportando transparencia al proceso y facilitando su interpretación clínica. Dicho de otro modo, es un sistema de IA que aprende, predice y explica.
Uno de los aspectos mencionados más curiosos del estudio fue la identificación de la risa o la sonrisa frecuente como un predictor significativo del TDAH. Los autores del estudio aclaran al respecto que no se trata de patologizar comportamientos positivos, sino de entender que la risa, en ciertos contextos, puede reflejar un tipo de activación emocional que en niños con TDAH se presenta con mayor intensidad o menor regulación.
En paralelo, la falta de sueño, ampliamente documentada en estos niños, refuerza el vínculo entre los ritmos biológicos alterados y la desregulación conductual. De hecho, otro estudio reciente ha confirmado que los hábitos diarios como la alimentación y las pantallas pueden influir en que se agraven los síntomas del TDAH en niños.
TDAH: un reto para familias y profesionales
El TDAH es un trastorno del neurodesarrollo que afecta entre el 3 y el 10 % de los niños y puede mantenerse en la edad adulta. El TDAH no tiene cura, no es una enfermedad. Los síntomas más comunes son la falta de atención, la hiperactividad y la impulsividad. Pero, como bien saben muchas familias ya a estas alturas, después de muchos años de avances en la investigación y diagnóstico de esta neurodivergencia, estos síntomas no siempre son fáciles de identificar ni de diferenciar de comportamientos propios de la infancia.
Uno de los grandes retos del diagnóstico del TDAH es su variabilidad: no se manifiesta igual en todos los niños, ni de la misma manera en niñas que en niños. Además, puede confundirse con ansiedad, dificultades emocionales, con "rebeldía" o incluso con estilos de crianza.
Por eso, contar con herramientas objetivas y basadas en datos puede marcar la diferencia. O por lo menos, puede suponer una gran oportunidad para que los profesionales dispongan de mejores herramientas para trabajar en la detección precoz de la neurodivergencia en cuestión.
En este sentido se expresan los autores del estudio: la IA no sustituye al diagnóstico clínico, pero puede ofrecer una señal de alerta temprana y permitir intervenciones más ágiles. Y es que, más allá de los resultados técnicos, este estudio abre una nueva puerta: la de utilizar inteligencia artificial no solo como herramienta diagnóstica, sino como forma de hacer más comprensible el trastorno, tanto para familias como para profesionales.
Se necesita más investigación, y que el estudio se replique en otras poblaciones y contextos, pero supone un paso importante en el desarrollo de herramientas digitales accesibles para el ámbito educativo, pediátrico y psicológico.
Referencias
- Namasse, Z.; Tabaa, M.; Hidila, Z.; Mouchawrab, S. Explainable Artificial Intelligence for Predicting Attention Deficit Hyperactivity Disorder in Children and Adults. Healthcare, volumen 13, artículo 155, 2025. DOI: 10.3390/healthcare13020155.
