El trastorno del espectro autista (TEA) es un trastorno neurológico complejo que resulta en rasgos de personalidad aberrantes, función cognitiva y relaciones interpersonales. Afecta las habilidades lingüísticas y sociales del niño, las habilidades de interacción y la capacidad de pensamiento lógico. Es posible utilizar el rostro humano como identificador fisiológico ya que puede servir como indicador de la función cerebral, ayudando así con el diagnóstico temprano de una manera simple y efectiva. El propósito de este estudio es detectar el autismo a partir de imágenes faciales utilizando un modelo de aprendizaje profundo. Para identificar con precisión el autismo en niños, utilizamos tres modelos de CNN pre-entrenados, VGG16, VGG19 y EfficientnetB0, como extractores de características y clasificadores binarios. Los modelos sugeridos fueron entrenados utilizando un conjunto de datos públicamente disponible de Kaggle que incluía 3014 imágenes de niños caracterizados como autistas y no autistas. Los modelos arrojaron precisiones del 84.66%, 80.05% y 87.9%, respectivamente.