IBM y University of Alberta utilizan algoritmos computacionales para predecir la esquizofrenia

La esquizofrenia es un trastorno neurológico de curso crónico y de características altamente debilitantes, que afecta a 7-8 de cada 1,000 personas.

Quienes padecen de esquizofrenia pueden experimentar variadas sintomatologías mentales y físicas, como son alucinaciones, delirios o trastornos del pensamiento, además de déficits cognitivos, como la incapacidad de prestar atención y trastornos físicos, sobretodo alteraciones del movimiento.

Estudios diagnósticos y predictivos

Un equipo de científicos de IBM y de University of Alberta in Edmonton, Canada, publicaron recientemente en la revista Schizophrenia 1 de Nature , datos sobre un estudio que indica que la inteligencia artificial (AI) sumada a los algoritmos de aprendizaje automático pueden ser valiosos instrumentos en la predicción de casos de esquizofrenia con un 74% de exactitud.

Este análisis, de carácter retrospectivo, fue capaz de evidenciar que dicha tecnología predecía el grado de severidad de la sintomatología con un grado de correlación significativa con respecto a la realidad de los pacientes.

Realización del estudio

El equipo de investigadores hicieron el análisis proporcionado por las imágenes obtenidas por resonancia magnética funcional (fMRI) de pacientes con esquizofrenia y trastornos esquizoafectivos, accesando al grupo abierto de datos de la Red de Investigación de Informática Biomédica, en análisis conjunto con un grupo control de individuos sanos para esta patología.

La fMRI realiza la medición de la actividad cerebral por los cambios experimentados en el flujo sanguíneo en determinadas zonas del cerebro.

De manera específica, este estudio se basó en datos recabados a partir de un estudio auditivo con 95 participantes. Esta información, al ser analizada a través de técnicas de aprendizaje automático, buscaba el desarrollo de un modelo que identificara las conexiones cerebrales más habitualmente asociadas a los casos de esquizofrenia.

Aunque estos datos fueran obtenidos con distintos equipos y de diversos sujetos de estudio, el algoritmo de aprendizaje  que correlacionaba las distintas zonas de actividad cerebral obtenidas por la fMRI, fue capaz de discriminar entre los pacientes esquizofrénicos y el grupo de control con un 74% de precisión.

Además, fue posible demostrar a través de este estudio, que la red interconectada funcional podía servir para determinar la severidad de la sintomatología que se manifestaba en los pacientes, después de haber realizado el diagnóstico. Estos síntomas incluían los comportamientos anómalos, la falta de atención, la alogia, trastornos formales del pensamiento, así como la ausencia de motivación, y podía brindar una caracterización de índole más cuantitativo en cuanto a la gravedad del cuadro y su presentación.

Implicanciones de esta tecnología en el tratamiento de las enfermedades mentales

Esta relativa “cuantificación” de la enfermedad, más allá del diagnóstico positivo de esquizofrenia, podría revestir una gran utilidad para determinar un plan de tratamiento más acorde a las características personales y de severidad de cada enfermo.

Tal y como lo expresara Ajay Royyuru, Vicepresidente de Salud y Ciencias de la Vida de IBM Research: «El objetivo final de este esfuerzo de investigación es identificar y desarrollar medidas objetivas basadas en datos para caracterizar estados mentales y aplicarlos a trastornos psiquiátricos y neurológicos» (…)»También esperamos ofrecer nuevas ideas sobre cómo la IA y el aprendizaje automático pueden ser utilizados para analizar trastornos psiquiátricos y neurológicos para ayudar a los psiquiatras en su evaluación y tratamiento de los pacientes».

La iniciativa denominada Criterios de Dominio de Investigación (RDOC) del  National Institute of Mental Health (NIMH) hace especial énfasis en el aspecto objetivo de las cuantificaciones realizadas en psiquiatría, que suele llamarse “psiquiatría computacional”, a través del uso de las modernas tecnologías y el manejo de datos basados en evidencia más medible, en vez de evaluaciones de carácter subjetivo por parte del facultativo tratante.

Alcances de esta tecnología

Según el Dr. Serdar Dursun, profesor de Psiquiatría y Neurociencia de la Universidad de Alberta: «Este enfoque multidisciplinario único e innovador abre nuevas perspectivas y avanza nuestra comprensión de la neurobiología de la esquizofrenia, que puede ayudar a mejorar el tratamiento y el manejo de la enfermedad”.(…) «Hemos descubierto una serie de conexiones anormales significativas en el cerebro que pueden ser exploradas en estudios futuros, y los modelos creados por AI nos acercan un paso más para encontrar patrones objetivos basados ​​en la neuroimagen que son marcadores diagnósticos y pronósticos de la esquizofrenia”.

A través de las correlaciones obtenidas entre la actividad regional del cerebro, este estudio podría también servir de punto de partida para identificar en las neuroimágenes algunos biomarcadores más objetivos que pudieran prestar una utilidad mayor para predecir no sólo la esquizofrenia, sino que también su gravedad.

Como parte de las actividades conjuntas del grupo de investigadores,  continuarán analizando las áreas cerebrales y las conexiones que se han identificado como elementos significativos que se relacionan con la esquizofrenia.

Este trabajo proseguirá con la optimización de los algoritmos, a través del análisis del aprendizaje automático en grandes conjuntos de datos, de forma tal, que posibilite su ampliación para ser aplicada a otros trastornos psiquiátricos como son la depresión y el trastorno de estrés postraumático.