O transtorno do espectro autista cursa com alterações precoces na percepção visual, culminando com déficits na comunicação social e comportamentos restritos e estereotipado. Dados objetivos sobre o padrão visual dos indivíduos são obtidos através da técnica de rastreamento do olhar. Sabe se que a técnica é eficaz para identificar indivíduos com TEA quando comparados a controles, mas, ainda não há trabalhos que utilizem esses dados a fim de classificar subtipos do transtorno. O objetivo deste estudo é preencher essa lacuna, e utilizar os dados de rastreamento do olhar associado a padrões de aprendizado de máquina a fim de classificar subgrupos de TEA, quanto a gravidade. Para tanto, foi utilizado modelo baseado em mapas de atenção visual, que utiliza os dados da captação sem filtros. O classificador foi testado pelo método de validação cruzada. Os resultados mostraram que foi possível classificar em TEA grave e não grave com média de 85% de precisão, atingindo o máximo de 88% de precisão, 87% de sensibilidade e 60% de especificidade. Espera-se que novos estudos, envolvendo número maior de indivíduos e outras características fenotípicas, possam ser desenvolvidos utilizando esta técnica, a fim de identificar biomarcadores para o transtorno

Autism spectrum disorder presents with early alterations in visual perception, culminating with deficits in social communication and restricted and stereotyping behaviors. Objective data on the visual pattern of individuals are obtained through the technique of eye tracking. It is known that the technique is effective to identify individuals with ASD in comparison with controls, but there are still no studies that use these data to classify subtypes of the disorder. The purpose of this study is to fill this gap, and to use the data from the eye tracking associated with machine learning patterns in order to classify subgroups of ASD as the severity. For this, a model based on visual attention maps was used, which uses the captured data without filters. The classifier was tested by the cross-validation method. The results showed that it is possible to classify in severe and non-severe ASD with an average of 85% accuracy, reaching a maximum of 88% accuracy, 87% sensitivity and 60% specificity. It is hoped that new studies, involving larger numbers of individuals and other phenotypic characteristics, could be developed using this technique in order to identify biomarkers for the disorder