Desarrollan una técnica pionera para el diagnóstico de psicosis basada en el aprendizaje automático

Actualmente, los psiquiatras carecen de una prueba médica para la diagnosis de este tipo de dolencias, por lo que ésta se realiza exclusivamente a partir del análisis de los síntomas. Desde hace décadas, la comunidad científica ha tratado de hallar diferencias estructurales o de activación neuronal en el cerebro de pacientes con este tipo de dolencias, pero los resultados obtenidos hasta la fecha no permitían sacar conclusiones en el diagnóstico individual.

Sin embargo esta técnica podría cambiar esta realidad, ya que tiene un porcentaje de éxito entorno al 80%, por lo que los investigadores señalan que los primeros resultados se antojan esperanzadores. De hecho, si estos se confirman al término del estudio, afirman que «constituirían un hito de alcance internacional», ya que «se trataría de la primera vez que los científicos consiguen identificar marcadores biológicos para confirmar el diagnóstico de pacientes con psicosis», término que engloba la esquizofrenia o el trastorno bipolar, entre otros.

«Nunca hasta ahora se ha estado tan cerca de desarrollar el primer marcador predictivo en psicosis, pero hemos de ser cautos y esperar a tener todos los resultados, en la segunda mitad del próximo año», insiste Julio Sanjuán, responsable de la Unidad de primeros Episodios Psicóticos del Hospital Clínico de Valencia, jefe de grupo del CIBERSAM y coordinador del proyecto.

De confirmarse su efectividad, el INCLIVA ha previsto desarrollar un manual de uso, así como un paquete informático para poner a disposición de las unidades de psiquiatría este instrumento de apoyo al facultativo.

Los resultados preliminares apuntan a que el impacto de este sistema predictivo podría ir más allá del mero diagnóstico clínico. «Sería útil, por ejemplo, para comprobar la eficacia del tratamiento, puesto que permite analizar cómo cambia la activación cerebral antes y después de su administración», añade Sanjuán.

La aplicación de las técnicas de aprendizaje automático al campo de la neuroimagen ha abierto una nueva vía para afinar la predicción y reducir drásticamente las tasas de error. Esta tecnología permite clasificar las resonancias magnéticas de los pacientes a través de unos complejos sistemas matemáticos, pero su efectividad depende del tipo de estímulos al que se somete al cerebro durante el transcurso de esta prueba clínica. Es lo que en argot médico se conoce como paradigma.

«Las diferencias entre un cerebro sano y otro con psicosis son muy sutiles. Tanto, que para poder detectarlas hemos de comparar las reacciones de un cerebro sano y otro con sospecha de psicosis ante unos mismos estímulos», explica el coordinador del proyecto.

La elección del paradigma, es decir, de los estímulos que aplicarán durante la resonancia funcional, se erige en el hecho diferencial. Sin embargo, la comunidad científica no ha determinado qué paradigma resulta más eficaz, de modo que se emplean modelos muy diversos en las investigaciones.

El modelo desarrollado por el INCLIVA hace ya 11 años ofrece resultados prometedores. Basa su éxito en la estimulación mediante una selección de palabras emocionales que afectan de forma especial a las personas con trastornos de este tipo. No exige ningún esfuerzo al paciente, que se limita a escuchar un audio durante el desarrollo de la prueba, y es, además, fácilmente replicable.

Confirmado un ensayo en EEUU

La combinación de este paradigma con las técnicas de aprendizaje automático ha permitido identificar correctamente el diagnóstico en un 80% de los casos. En el estudio han participado pacientes del Hospital Clínico Universitario de Valencia, del Sant Pau de Barcelona y del Marqués de Valdecilla de Santander. Y en las próximas semanas se extenderá al Hospital John Kane de Nueva York, uno de los centros de referencia en psiquiatría de Estados Unidos.

El proyecto aúna los resultados de los trabajos desarrollados en los últimos años por el grupo de investigación en psiquiatría y enfermedades neurodegenerativas del INCLIVA con los conocimientos en estadística y machine learning que proporcionan los departamentos de Sistemas Informáticos y Computación, y de Estadística e Investigación Operativa Aplicadas de la Universitat Politècnica de València (UPV).