¿La IA puede prevenir psicosis antes de que ocurra?

Geralt/Pixabay

Un nuevo estudio publicado en Molecular Psychiatry demuestra un nuevo algoritmo de aprendizaje automático con inteligencia artificial (IA) desarrollado por la Universidad de Tokio y sus colegas de investigación que puede predecir el riesgo de psicosis a partir de imágenes cerebrales.

El Instituto Nacional de Salud Mental (NIMH) define la psicosis como un conjunto de síntomas como delirios, creencias falsas y alucinaciones, que impactan el contacto de una persona con la realidad. Según estimaciones del NIMH, anualmente entre 15 y 100 personas de cada 100,000 desarrollarán psicosis y, a menudo, cambios de comportamiento como aislamiento social, disminución de la limpieza personal o del autocuidado, problemas para separar la fantasía de la realidad, dificultad para pensar de forma lógica o clara, paranoia, pueden ocurrir sospechas, problemas para dormir y otros más antes de que suceda.

La psicosis puede deberse a diversos factores, como factores de riesgo genéticos; problemas de desarrollo cerebral; exposición al estrés o trauma; enfermedades mentales como depresión grave, trastorno bipolar y esquizofrenia; la privación del sueño; o el abuso de alcohol o drogas. La psicosis puede ser un síntoma de otras enfermedades como la enfermedad de Alzheimer, la demencia y la enfermedad de Parkinson.

La detección temprana de la psicosis con frecuencia produce resultados de recuperación más favorables, según el NIMH. Por lo tanto, tener una forma de predecir la aparición de la psicosis antes de que una persona experimente un episodio psicótico mediante el aprendizaje automático de IA puede mejorar los resultados de los pacientes.

“El paradigma clínico de alto riesgo (CAR) se utiliza ampliamente con el objetivo de mejorar la detección temprana y la prevención de los trastornos psicóticos”, escribió el autor correspondiente y profesor asociado de la Universidad de Tokio, Dr. Shinsuke Koike, junto con sus colegas de investigación de 21 instituciones de Japón, España, Alemania, Reino Unido, Italia, Noruega, Suecia, Dinamarca, Estados Unidos, Canadá, China, Corea del Sur, Suiza, Rusia, Singapur y Países Bajos.

Los científicos desarrollaron un algoritmo de aprendizaje automático de IA utilizando datos de escáneres cerebrales por resonancia magnética de personas con alto riesgo clínico que luego tuvieron psicosis de 21 sitios del Grupo de Trabajo de Alto Riesgo Clínico para Psicosis ENIGMA. El algoritmo de aprendizaje automático de IA utilizado fue XGBoost (eXtreme Gradient Boosting), una biblioteca de software escalable de código abierto para algoritmos de árbol de decisión distribuido potenciado por gradiente (GBDT). XGBoost implementa un impulso de árbol paralelo y se usa ampliamente para problemas de valoración, clasificación y regresión. Los investigadores desarrollaron un clasificador de IA y trazaron los pesos para identificar características clave para la generalización.

“La precisión del clasificador en los conjuntos de datos de entrenamiento y de confirmación independiente fue del 85 por ciento y el 73 por ciento, respectivamente”, informaron los investigadores.

Según los científicos, las resonancias magnéticas cerebrales de personas con un riesgo clínicamente alto de psicosis han demostrado en otros estudios diferencias estructurales en el cerebro, concretamente en la reducción de la materia gris en la corteza medial y temporal superior y frontal medial. Para este estudio actual, los investigadores encontraron que las áreas temporal superior, ínsula y frontal superior eran regiones del cerebro que ayudaban más al algoritmo a clasificar controles sanos de participantes de alto riesgo que luego desarrollaron psicosis.

“Estos resultados sugieren que, al considerar el desarrollo cerebral de los adolescentes, las resonancias magnéticas de referencia para individuos con CAR pueden ser útiles para identificar su pronóstico”, concluyeron los científicos.

Derechos de autor © 2024 Cami Rosso Todos los derechos reservados.