Um Passo em Direção a uma Interface Cérebro-Computador Baseada em EEG para Intervenção em Autismo

O Transtorno do Espectro Autista (TEA) é um transtorno neurodesenvolvimental prevalente e dispendioso. Indivíduos com TEA frequentemente apresentam déficits em habilidades de comunicação social, bem como em habilidades de comportamento adaptativo relacionadas a atividades diárias. Recentemente, projetamos um simulador de dirigibilidade baseado em realidade virtual (RV) para treinamento de habilidades de condução para indivíduos com TEA. Neste artigo, exploramos a viabilidade de detectar o nível de engajamento, estados emocionais e carga mental durante a condução baseada em RV usando EEG como um primeiro passo em direção a uma potencial Interface Cérebro-Computador (ICC) baseada em EEG para auxiliar na intervenção em autismo. Utilizamos características espectrais dos sinais de EEG de um neurofones EEG de 14 canais, juntamente com avaliações de terapeutas sobre engajamento comportamental, prazer, frustração, tédio e dificuldade para treinar um grupo de modelos de classificação. Sete métodos de classificação foram aplicados e comparados, incluindo rede Bayesiana, Bayes ingênuo, Máquina de Vetores de Suporte (SVM), perceptron multicamada, vizinhos mais próximos (KNN), floresta aleatória e J48. Os resultados da classificação foram promissores, com mais de 80% de precisão na classificação de engajamento e carga mental, e mais de 75% de precisão na classificação dos estados emocionais. Esses resultados podem levar a um sistema adaptativo de treinamento de habilidades baseado em RV em loop fechado para uso na intervenção em autismo.