Aplicación en Pyton para ayudar en la discriminación entre TEA y TDAH mediante el análisis del perfil de velocidad y trayectoria de la escritura.

Abstract

Este trabajo de fin de título tiene como objetivo desarrollar una aplicación en Python que contribuya a la discriminación entre el Trastorno del Espectro Autista (TEA) y el Trastorno por Déficit de Atención e Hiperactividad (TDAH), a través del análisis del perfil de velocidad y trayectoria de la escritura. La motivación principal del estudio radica en la necesidad de mejorar el diagnóstico diferencial entre ambos trastornos, que a menudo presentan síntomas solapados y cuya detección temprana puede facilitar intervenciones más eficaces. La aplicación desarrollada analiza dibujos de cuadrados hechos por sujetos en una tablet, utilizando técnicas de visión por computador para detectar patrones geométricos y estudiar el perfil de velocidad de los trazos. Se realizaron análisis estadísticos para identificar diferencias significativas entre los diferentes grupos. Los resultados obtenidos mostraron que la aplicación es capaz de discriminar de manera efectiva entre los distintos diagnósticos, destacando la variabilidad en la velocidad de escritura de los niños con TDAH y la rigidez y consistencia en los trazos de los niños con TEA, características que los diferencian de los pacientes neurotípicos. Este proyecto propone una herramienta complementaria para los profesionales de la salud, que puede mejorar la precisión del diagnóstico de estos trastornos del desarrollo y servir como base para futuras investigaciones en el campo de la neurociencia.

The aim of this final degree project is to develop a Python application that contributes to the discrimination between Autism Spectrum Disorder (ASD) and Attention Deficit Hyperactivity Disorder (ADHD), through the analysis of the writing speed and trajectory profile. The main motivation for the study lies in the need to improve the differential diagnosis between the two disorders, which often have overlapping symptoms and whose early detection can facilitate more effective interventions. The developed application analyses drawings of squares made by subjects on a tablet, using computer vision techniques to detect geometric patterns and study the speed profile of the strokes. Statistical analyses were performed to identify significant differences between the different groups. The results obtained showed that the application is able to effectively discriminate between the different diagnoses, highlighting the variability in the writing speed of children with ADHD and the rigidity and consistency in the strokes of children with ASD, characteristics that differentiate them from neurotypical patients. This project proposes a complementary tool for health professionals, which can improve the diagnostic accuracy of these developmental disorders and serve as a basis for future research in the field of neurosciences.