A equipe da Escola de Medicina de Yale analisou a atividade cerebral de cerca de 400 crianças, incluindo autistas e neurotípicas, enquanto elas visualizavam imagens de rostos e objetos; os dados, coletados com eletroencefalografia de 128 eletrodos, foram processados por algoritmos de aprendizado de máquina e publicados na revista Nature Mental Health em 2026.

Segundo os pesquisadores, em crianças neurotípicas os sinais elétricos associados ao reconhecimento facial tornam‑se mais especializados com a idade, enquanto no grupo autista essa especialização foi menos pronunciada ao longo do desenvolvimento.

Metodologia e achados principais

O estudo utilizou EEG para registrar respostas a estímulos visuais e aplicou técnicas de classificação automática que distinguiram com precisão imagens de rostos de objetos; os resultados mostraram que diferenças neurais surgem em estágios mais iniciais da percepção visual em crianças autistas do que se pensava anteriormente.

Implicações para diagnóstico

Os autores sugerem que os padrões identificados podem servir como biomarcadores para detectar o autismo em idades mais precoces, facilitando intervenções direcionadas, conforme indicado no relatório da equipe de Yale.