Prediction of Challenging Behaviors Associated with Profound Autism in a Classroom Setting Using Wearable Sensors

Resumo Técnico: Predição de Comportamentos Desafiadores Associados ao Autismo Profundo em Ambiente Escolar Utilizando Sensores Vestíveis

Declaração do Problema
Aproximadamente um quarto dos indivíduos com Transtorno do Espectro Autista (TEA) é classificado como tendo "autismo profundo", um subgrupo propenso a episódios frequentes e intensos de comportamentos desafiadores, como comportamento de autoagressão (SIB), agressão e agitação. Esses comportamentos representam riscos significativos à segurança e perturbam a aprendizagem. A monitorização atual baseia-se na observação humana subjetiva e intensiva em tempo ou na revisão de vídeo, o que carece da capacidade de detetar os precursores fisiológicos subtis que frequentemente antecedem os episódios comportamentais. Embora sensores vestíveis tenham sido aplicados à deteção de comportamentos, trabalhos anteriores estiveram em grande parte confinados a ambientes laboratoriais controlados, focados na deteção retrospectiva em vez da predição proativa, e limitados por dados de modalidade única ou arquiteturas superficiais. Existe uma necessidade crítica de ferramentas escaláveis, objetivas e conscientes do contexto, capazes de prever comportamentos desafiadores em salas de aula de educação especial do mundo real, para permitir intervenção proativa.

Metodologia
O estudo foi realizado no Centro de Descoberta (TCFD), envolvendo nove participantes do sexo masculino (com idades entre 10 e 21 anos) com autismo profundo. A recolha de dados ocorreu durante sessões escolares padrão, utilizando bandas Q-Sensor (Affectiva Inc.) usadas no pulso ou no tornozelo, registando acelerometria triaxial, atividade eletrodérmica (EDA) e temperatura da pele a 30 Hz.

• Anotação de Dados: Analistas de comportamento treinados anotaram imagens de vídeo para rotular comportamentos desafiadores específicos, que foram agrupados em três categorias de alto nível: Agressão, Comportamento de Autoagressão (SIB) e Estereotipia. O conjunto de dados compreendeu aproximadamente 110,7 horas de dados de séries temporais multimodais rotulados.
• Pré-processamento: Os sinais foram segmentados utilizando uma janela deslizante de 5 segundos com um passo de 1 segundo. Os sinais de EDA foram decompostos em componentes tónicos e fásicos, sendo apenas o componente tónico retido para análise, para representar a excitação simpática geral. A qualidade dos dados foi filtrada com base na validade da EDA para garantir contacto adequado com a pele.
• Arquitetura do Modelo: Os autores empregaram um quadro de fusão multimodal que alavanca modelos de base de última geração ajustados para a tarefa específica:
  • Acelerometria: Avaliaram HarNet5 (estilo ResNet, pré-treinado no Capture-24), DeepConvLSTM e um classificador baseado em Transformer (Actigraphy Transformer).
  • EDA: Utilizaram um autoencoder convolucional pré-treinado no conjunto de dados WESAD.
  • Temperatura da Pele: Modelada utilizando uma CNN 1D leve.
  • Estratégias de Fusão: Três abordagens de fusão foram comparadas: (1) Concatenação ingênua de características agrupadas temporalmente seguida por um MLP; (2) Autoatenção temporal utilizando um Vision Transformer (ViT) em embeddings multimodais alinhados temporalmente; e (3) Atenção cruzada no tempo e entre modalidades utilizando ViT para capturar interações através de modalidades e passos de tempo.
• Protocolo Experimental: O estudo utilizou validação cruzada de cinco dobras por sujeito (ou quatro dobras para tarefas multiclasse) para avaliar a generalização. A tarefa principal foi a deteção/predição binária de comportamentos desafiadores versus nenhum comportamento. Uma tarefa secundária envolveu predição multiclasse (Nenhum, Agressão, SIB, Estereotipia). Os horizontes de predição foram testados de 30 segundos até 30 minutos, deslocando as etiquetas para a frente no tempo.

Principais Contribuições

1. Validação no Mundo Real: Este trabalho demonstra a viabilidade de prever episódios de comportamento desafiador num ambiente naturalista de sala de aula de educação especial, indo além de ambientes laboratoriais controlados.
2. Modelos de Base Multimodais: O estudo introduz um quadro que ajusta modelos de base pré-treinados para análise de séries temporais de vestíveis multimodais (acelerometria, EDA, temperatura da pele), abordando a escassez de dados rotulados em ambientes clínicos.
3. Predição Proativa: Ao contrário de sistemas de deteção retrospectiva anteriores, esta abordagem prevê com sucesso comportamentos desafiadores até 10 minutos de antecedência, estabelecendo uma janela operacional concreta para intervenção docente.
4. Análise Abrangente: O artigo fornece uma análise detalhada das contribuições das modalidades, estratégias de fusão e o impacto dos horizontes de predição, destacando a dominância da acelerometria enquanto quantifica o papel marginal, mas complementar, dos sinais autonómicos.

Resultados

• Desempenho de Deteção: Em tarefas de deteção binária, a abordagem de concatenação ingênua de características alcançou o melhor desempenho com uma AUC-ROC de 0,793. Entre os modelos unimodais, o modelo HarNet5 baseado em acelerómetro performou melhor (AUC-ROC 0,778), superando os modelos de EDA e temperatura da pele.
• Desempenho de Predição: O sistema previu com sucesso comportamentos desafiadores até 10 minutos de antecedência com uma AUC-ROC média de 0,78 (IC 95% ±0,10). O desempenho declinou gradualmente à medida que o horizonte de predição aumentava para 30 minutos, embora tenha permanecido acima de 0,75.
• Importância da Modalidade: A análise MM-SHAP revelou que a acelerometria foi o preditor dominante (contribuindo com 90% para a decisão), enquanto a EDA e a temperatura da pele forneceram contribuições marginais (8% e ~2%, respetivamente). Visualizações Grad-CAM confirmaram que a atenção do modelo alinhou-se com intervalos ricos em movimento que precediam os comportamentos.
• Limitações Multiclasse: A tarefa de predição de quatro classes (Nenhum, Agressão, SIB, Estereotipia) resultou numa AUC-ROC de 0,65, impulsionada quase inteiramente pela capacidade de detetar a classe "Nenhum". O modelo falhou em distinguir entre tipos raros de comportamento (Agressão e SIB) devido ao desequilíbrio extremo de classes. Um agrupamento mais grosseiro de três classes (Alto risco vs. Baixo risco vs. Nenhum) resultou numa AUC-ROC de 0,53, indicando que a discriminação fina de tipos de comportamento não é atualmente viável com a escala de dados disponível.
• Variabilidade por Sujeito: O desempenho variou significativamente entre os sujeitos (AUC-ROC variando de 0,65 a 0,90), correlacionando-se mais fortemente com a densidade de eventos comportamentais rotulados do que com a idade ou a localização da colocação do sensor.

Significado e Alegações
O artigo afirma que os seus resultados estabelecem uma "base concreta" para o desenvolvimento de sistemas de intervenção proativa em sala de aula. Ao alcançar um horizonte de predição de 10 minutos com uma AUC-ROC de 0,78, o sistema oferece uma janela prática para os professores intervirem e minimizarem riscos de segurança antes que um episódio escale. Os autores enfatizam que, embora o sistema priorize a sensibilidade (recall de 0,55) sobre a precisão (0,31) para garantir a segurança, este compromisso é defensável clinicamente em contextos de educação especial onde o custo de um evento perdido supera o de um falso alarme.

O estudo conclui que a deteção vestível multimodal é uma abordagem viável para antecipar comportamentos desafiadores no autismo profundo. No entanto, os autores permanecem modestos quanto às limitações atuais, notando que a incapacidade do sistema de distinguir tipos específicos de comportamento é um resultado direto da escassez de dados e do desequilíbrio de classes. Eles postulam que melhorias futuras na generalização e na predição fina exigirão conjuntos de dados maiores e mais diversificados e a integração de sinais contextuais adicionais (por exemplo, vídeo, horários de atividades). O trabalho não afirma resolver completamente o problema da predição de comportamentos, mas sim demonstra um passo significativo em direção a um suporte proativo, escalável e baseado em dados para uma das populações mais desassistidas na educação especial.