Por Brain & Behavior Staff
Los investigadores continúan avanzando en su búsqueda de marcadores biológicos de enfermedades mentales. Se espera que estos marcadores, si pueden ser validados científicamente, hagan que el diagnóstico y la evaluación de riesgos sean más objetivos.
Ahora, un gran equipo internacional liderado por el Investigador Independiente BBRF 2015 y el Investigador Joven 2007 Tomas Hajek, MD, Ph.D., de la Universidad Dalhousie, Halifax, Nueva Escocia, ha reportado resultados alentadores de un esfuerzo por usar métodos de aprendizaje automático para identificar Marcadores diagnósticos del trastorno bipolar. Los hallazgos se basan en la información recopilada a través de imágenes del cerebro de MRI El informe apareció el 31 de agosto de 2018 en Psiquiatría Molecular.
Por ahora, el diagnóstico de todas las enfermedades mentales continúa basándose en los síntomas observados e informados por los pacientes. El trastorno bipolar presenta un desafío diagnóstico particular, ya que en muchos casos se manifiesta primero como depresión. Un pequeño porcentaje de personas deprimidas experimentará en algún momento posterior lo que se llama un episodio maníaco, marcado por síntomas que parecen ser diametralmente opuestos a los de la depresión: un alto estado de excitación, gran energía, una menor necesidad de dormir y una tendencia Tomar decisiones precipitadas e impulsivas. Este subconjunto de pacientes se considera que tiene trastorno bipolar.
Para complicar aún más la tarea diagnóstica, el hecho de que el trastorno bipolar es lo que los científicos denominan “heterogéneo” significa que hay varios subtipos con distintos patrones de síntomas y neurobiología subyacente. Por lo tanto, basar el diagnóstico en medidas biológicas objetivas, como aquellas que involucran imágenes cerebrales, sería muy útil para médicos y pacientes por igual.
El Dr. Hajek y sus colegas querían determinar si los datos de imágenes de resonancia magnética podrían revelar un conjunto de propiedades biológicas en el cerebro que señalaban la presencia del trastorno bipolar en la mayoría de los pacientes. Para probar el concepto, el equipo reunió exploraciones de MRI de un total de 853 pacientes con trastorno bipolar y 2,167 controles. Estos sujetos formaron parte de un conjunto de datos en un proyecto llamado ENIGMA, que ha seleccionado información del paciente de diferentes sitios para formar grandes muestras. Se requieren grandes muestras para emplear eficazmente métodos de aprendizaje automático, en los que las computadoras se entrenan para identificar, en este caso, aspectos de la anatomía del cerebro que se corresponden con el trastorno bipolar. Hasta ahora, no se habían reunido muestras de tamaño comparable para hacer esto.
Teniendo en cuenta la variabilidad de la enfermedad y el hecho de que los pacientes para este estudio se reclutaron sin ninguna coordinación en 13 sitios diferentes, los investigadores inicialmente dudaron que pudieran diferenciar a los pacientes de los controles según la estructura del cerebro. Sin embargo, emergieron con parámetros biológicos de las imágenes de resonancia magnética que les permiten identificar a los pacientes con trastorno bipolar con aproximadamente el 65% de precisión. “Estos hallazgos proporcionan una prueba de concepto para una firma generalizable de imágenes cerebrales del trastorno bipolar que se puede detectar en sujetos individuales incluso dentro de una muestra grande de varios sitios”, anotó el equipo. “Tratar de diferenciar a los pacientes de los controles es el primer paso antes de pasar a problemas clínicamente más relevantes, como el diagnóstico diferencial”, añadieron que podían distinguir entre diferentes trastornos psiquiátricos con manifestaciones similares.
Para servir como una herramienta de diagnóstico clínico, el aprendizaje automático deberá generar una precisión de diagnóstico de al menos el 80%. El Dr. Hajek dijo que tener acceso a las exploraciones reales de MRI, no solo a la información sobre ciertas regiones del cerebro, podría mejorar considerablemente el rendimiento. Sin embargo, en la actualidad, compartir las exploraciones completas conlleva complicaciones legales y para la privacidad del paciente, anotó.
Otros becarios de BBRF que participaron en la investigación incluyeron: Geraldo Busato, Ph.D., 2010 Investigador Independiente; Dara Cannon, Ph.D., 2006, 2004 Joven Investigadora; Janice Fullerton, Ph.D., 2007 Investigadora Joven; David Glahn, Ph.D., 2014 Investigador Independiente, 2003, 2005 Joven Investigador; Roshel Lenroot, MD, joven investigador 2003; Colm McDonald, Ph.D., 2009 Investigador Independiente, 2002 Joven Investigador; Theodore Satterthwaite, MD, 2014 Klerman Prizewinner, 2010 Young Investigator; Jair Soares, MD, Ph.D., 1999, 1997 Young Investigator; y Eduard Vieta, MD, 2012 Colvin Prizewinner.
