Los investigadores desarrollaron un marco basado en modelos para descubrir y transformar estímulos con el fin de revelar diferencias perceptivas específicas de la población entre adultos autistas y neurotípicos. Al entrenar modelos de redes neuronales artificiales con juicios a nivel de imagen, identificaron que las diferencias diagnósticas en la expresión facial se concentran en un pequeño subconjunto de estímulos en lugar de ser uniformes.
- El equipo utilizó estos modelos para seleccionar rostros nuevos predichos para maximizar la separación entre grupos, lo que produjo mayores diferencias conductuales que imágenes aleatorias emparejadas en una cohorte independiente.
- Emplearon una red generativa adversaria para transformar las imágenes diagnósticas hacia un mayor acuerdo grupal previsto, reduciendo con éxito la separación conductual en la validación con fenoטיפos coincidentes.
Este enfoque demuestra cómo la fenotipificación conductual puede ir más allá del promedio en conjuntos de estímulos fijos hacia ensayos optimizados que identifican las condiciones bajo las cuales la percepción neurodivergente diverge o converge.