Apoio ao diagnóstico do transtorno do espectro autista utilizando eletroencefalografia e wavelets quânticas

Abstract

Este estudo investiga a aplicação de técnicas avançadas de processamento de sinais e modelos computacionais inspirados na computação quântica para auxiliar no diagnóstico precoce do Transtorno do Espectro Autista (TEA). Utiliza dados de eletroencefalograma (EEG) para explorar padrões neurológicos associados ao TEA, combinando a transformada de wavelet – que permite análise multirresolução de sinais – com simulações clássicas de redes neurais quânticas (QNNs), capazes de modelar incerteza e superposição de estados. O método integra decomposições hierárquicas de sinais biomédicos e algoritmos probabilísticos, visando identificar marcadores com maior sensibilidade que abordagens tradicionais. Os resultados demonstram que essa abordagem híbrida melhora a discriminação entre indivíduos com e sem TEA. Conclui-se que a fusão entre processamento de sinais baseado em wavelets e modelos quânticos simuláveis classicamente oferece um caminho promissor para desenvolver ferramentas auxiliares de diagnóstico do TEA, combinando precisão analítica e viabilidade prática em contextos clínicos.