Deteksi dini Autism Spectrum Disorder (ASD) sangat penting untuk mengoptimalkan hasil perkembangan dan meningkatkan kualitas hidup bagi individu yang terkena gangguan tersebut. Pentingnya deteksi dini terletak pada potensinya untuk memfasilitasi intervensi tepat waktu yang secara signifikan dapat mengubah lintasan perkembangan anak-anak dengan ASD. Berbagai penelitian telah mengeksplorasi metode inovatif untuk deteksi dini, memanfaatkan kemajuan teknologi dan pembelajaran mesin untuk meningkatkan akurasi dan efisiensi diagnostik. Metode ini bertujuan untuk mengidentifikasi sifat-sifat ASD sebelum diucapkan, memungkinkan intervensi dan dukungan lebih awal. Bagian berikut menyelidiki pentingnya deteksi dini dan metodologi yang digunakan untuk mencapainya.
Pentingnya Deteksi Dini
- Hasil Perkembangan: Deteksi dini ASD terkait dengan hasil perkembangan yang lebih baik, karena memungkinkan intervensi yang dapat mengatasi tantangan sosial, komunikasi, dan perilaku pada tahap perkembangan kritis (Attar & Paygude, 2024) (Al‐Biltagi, 2024).
- Peluang Intervensi: Mengidentifikasi ASD lebih awal memberikan peluang untuk intervensi yang dapat mengurangi keparahan gejala dan meningkatkan hasil jangka panjang, seperti integrasi sosial dan kinerja akademik (Al‐Biltagi, 2024) (b et al., 2024).
- Dukungan Orang Tua dan Pendidikan: Diagnosis dini memungkinkan orang tua dan pendidik untuk menyesuaikan strategi dukungan dengan kebutuhan spesifik anak, membina lingkungan yang kondusif untuk pembelajaran dan perkembangan (Al‐Biltagi, 2024).
Kemajuan Teknologi dalam Deteksi Dini
- Pembelajaran Mesin dan Pembelajaran Mendalam: Teknologi ini sangat penting dalam memajukan deteksi ASD dini. Model pembelajaran mesin, seperti mesin vektor pendukung dan jaringan saraf konvolusi, telah menunjukkan harapan dalam menganalisis berbagai jenis data, termasuk pola gaya berjalan, fitur wajah, dan sinyal EEG, untuk mengidentifikasi sifat ASD (Ganai et al., 2025) (Walujo et al., 2024) (Walujo et al., 2024) (Poojitha & Dharani, 2024).
- Analisis Gerak Berbasis Video: Metode ini menggunakan teknik pembelajaran mendalam untuk menganalisis gerakan tubuh, seperti pose kepala, tangan, dan batang tubuh, memberikan wawasan tentang indikator ASD potensial (Yang et al., 2025).
- Analisis Fitur Wajah: Model pembelajaran mendalam seperti ResNet telah digunakan untuk menganalisis fitur wajah, mencapai akurasi tinggi dalam membedakan antara anak-anak autis dan non-autist (Walujo et al., 2024) (b et al., 2024).
- Pendekatan Multimodal: Menggabungkan analisis gerakan dan suasana hati dengan pembelajaran mesin menawarkan pandangan komprehensif tentang perilaku anak, meningkatkan akurasi deteksi ASD (Puri et al., 2024).
Tantangan dan Pertimbangan
- Kompleksitas Presentasi ASD: ASD adalah kelainan kompleks dengan berbagai gejala, membuat deteksi dini menjadi tantangan. Variabilitas dalam presentasi gejala memerlukan pendekatan diagnostik individual (Al‐Biltagi, 2024).
- Keandalan Biomarker: Sementara biomarker dan alat diagnostik menunjukkan harapan, ketergantungan pada penanda yang belum ditetapkan memerlukan kehati-hatian. Penelitian yang sedang berlangsung diperlukan untuk memvalidasi alat-alat ini dan memastikan keandalannya (Al‐Biltagi, 2024).
- Akses ke Alat Diagnostik: Meningkatkan kesadaran dan meningkatkan akses ke alat diagnostik canggih sangat penting untuk upaya deteksi dini yang meluas (Al‐Biltagi, 2024).
Sementara deteksi dini ASD sangat penting untuk intervensi yang efektif, penting untuk mempertimbangkan tantangan yang terkait dengan variabilitas gejala dan keandalan alat diagnostik yang muncul. Integrasi pembelajaran mesin dan teknik pembelajaran mendalam menawarkan kemajuan yang menjanjikan dalam deteksi dini, tetapi metode ini harus terus disempurnakan dan divalidasi untuk memastikan akurasi dan aksesibilitas. Upaya kolaboratif antara peneliti, penyedia layanan kesehatan, dan pembuat kebijakan diperlukan untuk meningkatkan strategi deteksi dini dan mendukung individu dengan ASD dalam mencapai hasil yang optimal.
