O Transtorno do Espectro Autista (TEA) é um transtorno do neurodesenvolvimento que tem sido a cada dia mais diagnosticado em crianças. Os sintomas são comumente percebidos na infância e incluem prejuízos na comunicação e interação social. A antecipação do diagnóstico para antes do aparecimento dos sintomas permitiria que diferentes terapias fossem iniciadas sem que houvesse comprometimento no desenvolvimento da criança. Por isso, diversas pesquisas têm utilizado eletroencefalografia (EEG) para compreender e detectar o TEA, além de sugerir intervenções para indivíduos com TEA. Considerando este cenário, este trabalho executou diversos experimentos utilizando técnicas de aprendizado de máquina para identificar automaticamente o TEA a partir de registros de EEG obtidos de crianças com idades de 3 a 14 meses. Os resultados apontaram acurácia, especificidade e sensitividade acima de 95% com Máquina de Vetores de Suporte (SVM) associada à Eliminação Recursiva de Características com Validação Cruzada (RFECV), mostrando a possibilidade de detecção do TEA já a partir dos 3 meses.

The Autistic Spectrum Disorder (ASD) is a neurodevelopmental disorder that has been increasingly diagnosed in children. Symptoms are commonly noticed in childhood and include impairments in communication and social interaction. Anticipating the diagnosis to before the onset of symptoms would allow different therapies to be started without compromising the childs development. Hence, several studies have used electroencephalography (EEG) to understand and detect ASD, in addition to suggesting interventions for individuals with ASD. In this scenario, this work performed several experiments using machine learning techniques to automatically identify ASD from EEG recordings obtained from children aged 3 to 14 months. The results showed accuracy, specificity and sensitivity above 95% with Support Vector Machine (SVM) associated with Recursive Feature Elimination with Cross Validation (RFECV), showing the possibility of detecting ASD from 3 months onwards.