Este estudio explora la creación y prueba de un Sistema de Inferencia Difusa para automatizar referencias preliminares para el diagnóstico de autismo, utilizando funciones de membresía alineadas con el cuestionario de 10 ítems del Cociente de Autismo. Validado en tres conjuntos de datos distintos, el sistema demostró una precisión perfecta en entornos deterministas y una precisión general del 92.91% en un conjunto de datos difuso amplio. El uso de la Lógica Difusa refleja la naturaleza compleja y variable del diagnóstico de autismo, sugiriendo su aplicabilidad potencial en este campo. Mientras que el sistema categorizó eficazmente escenarios claros de referencia y no referencia, enfrentó desafíos para identificar con precisión los casos que requerían una segunda opinión. Estos resultados indican la necesidad de un mayor refinamiento para mejorar la eficiencia y precisión de las evaluaciones preliminares de autismo, señalando futuras vías para mejorar el rendimiento del sistema. La motivación detrás de este estudio es abordar la brecha diagnóstica para adultos de alto funcionamiento cuyos síntomas se presentan de manera más neurotípica. Muchos enfoques actuales de aprendizaje profundo para diagnosticar autismo se centran en conjuntos de datos cuantitativos como fMRI y expresiones faciales, a menudo pasando por alto rasgos conductuales. Sin embargo, el diagnóstico de autismo todavía depende en gran medida de historiales largos e información de múltiples partes interesadas de padres, maestros, médicos y expertos en comportamiento. Esta investigación aborda el desafío de crear un sistema automatizado que pueda manejar los matices y la variabilidad inherente en los síntomas del TEA. La innovación teórica radica en la aplicación novedosa de la Lógica Difusa para interpretar estos indicadores diagnósticos sutiles, proporcionando un enfoque más sistemático en comparación con los métodos tradicionales. Al tender un puente entre las evaluaciones clínicas subjetivas y las técnicas computacionales objetivas, este estudio tiene como objetivo mejorar el proceso de evaluación preliminar para el TEA.