Rilevazione dei disturbi dello spettro autistico nei bambini utilizzando dati di tracciamento oculare

Il presente lavoro affronta il problema della diagnosi precoce dei disturbi dello spettro autistico (ASD) nei bambini mediante l’utilizzo di tecnologie di eye-tracking. Analizzando i movimenti oculari durante la visualizzazione di immagini, si raccolgono dati grezzi (coordinate X, Y e direzione dello sguardo) che vengono trasformati in rappresentazioni simboliche secondo il modello Bag of Words. Vengono quindi addestrati e valutati diversi classificatori di machine learning (SVM, K-NN, Random Forest, Reti Neurali) per distinguere soggetti con sviluppo tipico da quelli con ASD. Il progetto è stato svolto nell’ambito di un tirocinio Erasmus+ presso Polytech Tours (Université de Tours, Francia), sotto la supervisione del Prof. Gilles Venturini, in collaborazione con il laboratorio LIFAT, l’unità di ricerca iBrain (UMR U1253) e il centro di psichiatria infantile del CHRU di Tours. I dati utilizzati derivano da test condotti su 400 bambini tramite il software Eyenalize e un eye-tracker a 250 Hz. I risultati ottenuti mostrano una precisione massima del 75% nei migliori casi, evidenziando come l’integrazione tra eye-tracking e apprendimento automatico possa rappresentare un efficace strumento di supporto alla diagnosi precoce dei disturbi dello spettro autistico.