Rede Neural Perceptron Multicamadas no Desenvolvimento de um Aplicativo para Triagem de TEA em Adolescentes
Redes Neurais Artificiais; Transtorno do Espectro Autista; Aprendizado de Máquina; Aplicativo; Triagem.
Este trabalho tem como objetivo desenvolver um modelo computacional baseado em Redes Neurais Artificiais (RNAs) para a triagem inicial do Transtorno do Espectro Autista (TEA) em adolescentes de 12 a 16 anos, resultando na criação do aplicativo web TRIA-TEA Adolescente. A pesquisa desenvolveu-se com estudo teórico sobre os principais conceitos relacionados ao TEA, suas manifestações na escola e a importância do diagnóstico precoce, seguido pela abordagem matemática e computacional que fundamenta o funcionamento das RNAs. O modelo proposto foi desenvolvido a partir de um conjunto de dados público disponível no repositório UCI Machine Learning Repository da Universidade da Califórnia em Irvine, originalmente apresentado por Tabtah e posteriormente atualizado por Artoni et al., contendo 248 amostras e 17 atributos de entrada. A Rede Neural implementada é do tipo Perceptron Multicamadas, composta por duas camadas ocultas contendo 128 e 64 neurônios com função de ativação ReLU, além de uma camada de saída contendo um único neurônio com a função sigmoide. O treinamento foi realizado com o otimizador Adam e função de perda de Erro Quadrático Médio (MSE), obtendo resultados satisfatórios de acurácia, precisão e sensibilidade. O modelo foi integrado a um aplicativo web acessível e gratuito, permitindo estimar a probabilidade de TEA de forma prática e intuitiva. Este trabalho evidencia o potencial das RNAs como ferramenta de apoio à inclusão e à educação, além de reforçar a importância da interdisciplinaridade entre Matemática, Computação e Ciências Humanas.