¿Es depresión lo que tienes? El machine learning tiene la respuesta

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on whatsapp
Share on telegram
Share on email

Investigadores de la Universidad de Birmingham consiguen crear modelos altamente precisos para identificar con más precisión a los pacientes con problemas psicóticos y depresivos.

Investigadores de la Universidad de Birmingham han desarrollado una forma de utilizar el aprendizaje automático para identificar con mayor precisión a los pacientes con una combinación de síntomas psicóticos y depresivos.

Los pacientes con depresión o psicosis rara vez experimentan síntomas de una u otra enfermedad. Históricamente, esto ha significado que los médicos de salud mental den un diagnóstico de una enfermedad «primaria», pero con síntomas secundarios. Hacer un diagnóstico preciso es un gran desafío para los médicos y los diagnósticos a menudo no reflejan con precisión la complejidad de la experiencia individual o, de hecho, la neurobiología.

Los médicos que diagnostican psicosis, por ejemplo, con frecuencia considerarían la depresión como una enfermedad secundaria, con implicaciones para las decisiones de tratamiento que se centran más en los síntomas de la psicosis (por ejemplo, alucinaciones o delirios).

Crear modelos altamente precisos

Un equipo del Instituto de Salud Mental y del Centro de Salud del Cerebro Humano de la Universidad de Birmingham, en colaboración con investigadores del consorcio PRONIA, quería explorar la posibilidad de utilizar el aprendizaje automático para crear modelos altamente precisos de formas ‘puras’ tanto de enfermedades como de uso estos para investigar la precisión diagnóstica de una cohorte de pacientes con síntomas mixtos. Sus resultados se publican en Schizophrenia Bulletin.

Los investigadores examinaron respuestas al cuestionario, entrevistas clínicas detalladas y datos de imágenes de resonancia magnética estructural de una cohorte de 300 pacientes que participaron en el estudio PRONIA, un estudio de cohorte financiado por la Unión Europea que se lleva a cabo en siete centros de investigación europeos.

Los investigadores identificaron pequeños subgrupos de pacientes que podrían clasificarse como que sufren de psicosis sin síntomas de depresión o de depresión sin síntomas psicóticos.

Con estos datos, el equipo identificó modelos de aprendizaje automático de depresión «pura» y psicosis «pura». Después, pudieron usar métodos de aprendizaje automático para aplicar estos modelos a pacientes con síntomas de ambas enfermedades. El objetivo era crear un perfil de la enfermedad de alta precisión para cada paciente y compararlo con su diagnóstico para ver qué tan preciso era.

El equipo encontró que, mientras que los pacientes con depresión como enfermedad primaria tenían más probabilidades de ser diagnosticados con precisión, los pacientes con psicosis con depresión tenían síntomas que con mayor frecuencia tendían a la dimensión de la depresión. Esto puede indicar que la depresión juega un papel más importante en la enfermedad de lo que se pensaba anteriormente.

Uno de los investigadores asegura que «existe una necesidad imperiosa de mejores tratamientos para la psicosis y la depresión, afecciones que constituyen un importante desafío de salud mental en todo el mundo. Nuestro estudio destaca la necesidad de que los médicos comprendan mejor la compleja neurobiología de estas afecciones y el papel de ‘ síntomas comórbidos; en particular, considerando cuidadosamente el papel que juega la depresión en la enfermedad «.

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on whatsapp
Share on telegram
Share on email

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

TE PUEDE GUSTAR

Las empresas duplican el número de datos no estructurados que poseen. Solo un 32% de ellas ha tenido éxito al analizar esa información. ¿Big

EVENTOS

RECIBE LA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Ir arriba