Utilizando inteligencia artificial (IA), los investigadores han desarrollado un modelo que puede analizar imágenes cerebrales para detectar marcadores de trastornos psicológicos en adolescentes, como depresión, ansiedad, TDAH, trastornos del estado de ánimo y psicosis.
Los problemas de salud mental pueden ser difíciles de diagnosticar con precisión, especialmente en adolescentes, ya que el cerebro aún se está desarrollando. Estos problemas también pueden coexistir, lo que hace que la detección basada únicamente en evaluaciones psicológicas sea aún más compleja y subjetiva, dejando lugar a diagnósticos erróneos.
Anqi Qiu, profesor del Departamento de Tecnología e Informática de la Salud de la Universidad Politécnica de Hong Kong, dijo que el modelo que desarrollaron podría usarse como una herramienta de detección clínica para identificar a las personas que tienen un alto riesgo, lo que permitiría una intervención temprana.
Al igual que ChatGPT, el modelo se basa en redes neuronales artificiales, un tipo de IA que imita el proceso de toma de decisiones humana. Qiu y sus colegas lo entrenaron para identificar los circuitos cerebrales que tienen mayor poder para predecir enfermedades mentales en dos grandes grupos de adolescentes participantes de los Estados Unidos.
Una visión más matizada de las enfermedades mentales
El modelo adopta una visión de la psicopatología, donde los síntomas se encuentran en un espectro en lugar de pertenecer a categorías distintas. Según Adrienne Romer, profesora asistente en el Departamento de Psicología de Virginia Tech que no participó en el estudio, este punto de vista es útil para abordar algunas de las limitaciones de nuestros actuales sistemas de diagnóstico categórico.
Romer, psicólogo clínico, estudia cómo el cerebro contribuye a la superposición de síntomas en múltiples categorías de trastornos mentales.
“En realidad, los síntomas de las personas a menudo no encajan claramente en una categoría discreta”, comentó. “En nuestros sistemas de diagnóstico actuales, la línea entre lo que se considera ‘saludable’ y ‘trastorno’ es algo arbitraria, y muchos síntomas se superponen en gran medida entre las categorías de trastornos”, añadió.
Para entrenar el modelo, Qiu y sus colegas utilizaron una cohorte disponible públicamente de 1.100 jóvenes de entre 8 y 21 años con diversos orígenes y condiciones médicas. Los datos de cada participante incluyeron respuestas a cuestionarios, entrevistas e imágenes cerebrales obtenidas mediante diferentes técnicas de neuroimagen, como la resonancia magnética.
La neuroimagen es una herramienta diagnóstica útil porque determinadas alteraciones del cerebro se asocian a trastornos psicológicos. Por ejemplo, una menor cantidad de materia gris (tejido cerebral involucrado en el procesamiento de información y memoria, emociones y movimiento) a menudo se asocia con una psicosis de aparición temprana.
Conjunto de datos de entrenamiento
A partir de las imágenes cerebrales de los adolescentes de la cohorte de entrenamiento, el modelo extrajo firmas de imágenes asociadas con la externalización, la psicosis, el miedo y la ansiedad, cuatro dimensiones principales de la enfermedad psicológica. Luego asignó puntuaciones numéricas que representaban qué tan bien estas firmas podían predecir la psicopatología general y estas cuatro dimensiones de la psicopatología. Qué tan bien coincidía la puntuación prevista con la puntuación real proporcionó una medida de la precisión del modelo.
Los investigadores encontraron que la precisión de la predicción del modelo era mejor cuando también tomaban en cuenta información clínica y demográfica: edad, género, raza, educación de los padres, historial médico y exposición al trauma, donde la exposición al trauma era el mayor predictor. Los marcadores de imágenes cerebrales proporcionaron una pequeña mejora en la precisión de la predicción en general.
“Los marcadores de imágenes pueden aumentar la precisión de la predicción en un 25% más allá [using] características clínicas”, afirmó Qiu. Después de entrenar el modelo, Qiu y su equipo probaron su rendimiento en una cohorte más grande que incluía a 7536 niños de entre 9 y 11 años. El modelo produjo puntuaciones similares a las de la cohorte de entrenamiento cuando solo se les proporcionó imágenes cerebrales, pero su poder de predicción fue ligeramente menor. cuando también se tuvieron en cuenta las características demográficas y clínicas.
Qiu atribuyó la menor precisión de la predicción a las diferencias entre las dos cohortes de adolescentes. En comparación con la cohorte de entrenamiento, la cohorte de validación fue más grande e incluyó participantes más jóvenes con síntomas más leves de enfermedad mental.
Para armonizar estas diferencias, ella y su equipo aplicaron una técnica de aprendizaje automático conocida como aprendizaje por transferencia, que implica reutilizar un modelo previamente entrenado en un segundo conjunto de datos para mejorar su generalización. Pero Qiu mencionó que el modelo de red neuronal debería validarse en una población más grande antes de aplicarse en la práctica clínica.
Practicidad del modelo.
Romer señaló que el estudio se centró en un solo momento. Tiene curiosidad por saber si la información cerebral, clínica y demográfica que el modelo considera significativa también puede predecir cambios en la psicopatología a lo largo del desarrollo adolescente.
“Sabemos que hay grandes cambios en el cerebro y la salud mental durante el desarrollo juvenil, que pueden ser importantes para predecir la aparición de futuros síntomas de trastornos mentales”, nos informó.
Aunque Romer reconoció que el estudio de Qiu tiene implicaciones importantes para los enfoques basados en el cerebro para el tratamiento de trastornos psicológicos, aún está por verse si los hallazgos resolverán el desafío del diagnóstico clínico.
“Administrar costosas exploraciones por resonancia magnética a nivel poblacional para proporcionar una mejora modesta en la precisión del diagnóstico no es tan práctico”, dijo Romer.
Pero ella cree que a medida que avance la tecnología, el enfoque puede volverse más factible para mejorar el diagnóstico en el futuro.
“En mi opinión, los resultados del estudio son más prometedores para la identificación de nuevos objetivos cerebrales para la intervención y la prevención, que pueden mejorar los síntomas de muchos individuos cuyos síntomas trascienden los límites diagnósticos tradicionales”, añadió Romer.
Referencia: Jing Xia, et al. Desentrañando firmas cerebrales multimodales: descifrando las dimensiones transdiagnósticas de la psicopatología en adolescentes. Sistemas inteligentes avanzados (2024). DOI: 10.1002/aisy.202300577
Crédito de la imagen destacada: Instituto Nacional del Cáncer en Unsplash