CIBERSAM

INVESTIGACIÓNINVESTIGACIÓN


La combinación de neuroimagen y aprendizaje automático, nuevas vías para el diagnóstico del trastorno bipolar

Investigadores del CIBERSAM evalúan el potencial de estas técnicas en un estudio internacional en el marco del ENIGMA Bipolar Disorders Working Group. A través del análisis de datos clínicos, imagen cerebral y variables sociodemográficas buscan distinguir de manera más eficaz a los pacientes enfermos de los sanos.

La combinación de neuroimagen y aprendizaje automático, nuevas vías para el diagnóstico del trastorno bipolar
Peter McKenna (izq.) y Eduard Vieta

Investigadores del CIBERSAM han identificado en un estudio internacional factores que podrían ayudar en el diagnóstico del trastorno bipolar, combinando datos de neuroimagen y técnicas de machine learning (aprendizaje automático).

El estudio colaborativo llevado a cabo por el ENIGMA Bipolar Disorders Working Group y publicado en Molecular Psychiatry ha contado con la participación de investigadores del CIBERSAM, de FIDMAG Hermanas Hospitalarias y del Hospital Clínic de Barcelona, entre ellos su director científico Eduard Vieta, con un total de 13 centros de investigación líderes en el tratamiento del trastorno bipolar.

A través de la participación de 3.000 pacientes (853 con la enfermedad y 2.167 sanos), el trabajo tuvo como objetivo diferenciar los individuos de un grupo u otro usando datos clínicos y neuroimagen analizados a través de técnicas de aprendizaje automático. En este caso particular, se buscaba la identificación de patrones a través del análisis de los datos clínicos y de neuroimagen que ayudasen a clasificar correctamente a los participantes en el grupo de pacientes con trastorno bipolar o en el de controles sanos.

De esta manera, se analizaron las imágenes cerebrales obtenidas mediante resonancias magnéticas junto con otras variables clínicas y sociodemográficas de interés (tratamiento, género, edad…) de los participantes. Los resultados demostraron un mayor rendimiento de clasificación del que se esperaría encontrar solo por azar, con un área bajo la curva (ROC-AUC) de 71,49%. No obstante, los autores destacan que el nivel de precisión fue del 65,23% inferior al umbral del 80% necesario para ser utilizado en la práctica clínica habitual.

La mejor aproximación en la materia hasta la fecha

El estudio realizado por el ENIGMA Bipolar Disorders Working Group, sin embargo, constituye hasta la fecha la mejor aproximación para el empleo de técnicas de neuroimagen como exploraciones complementarias que ayuden a confirmar el diagnóstico clínico del trastorno bipolar. En la actualidad, el diagnóstico es puramente clínico, basado en la identificación de síntomas mediante una entrevista clínica llevada a cabo por un experto en salud mental, pero una parte de la investigación se dedica a estudiar marcadores biológicos, como cambios en zonas cerebrales, que puedan contribuir a mejorar el diagnóstico.

 

Artículo de referencia:

Using structural MRI to identify bipolar disorders – 13 site machine learning study in 3020 individuals from the ENIGMA Bipolar Disorders Working Group. Abraham Nunes1, 2 et al. for the ENIGMA Bipolar Disorders Working Group. https://www.ncbi.nlm.nih.gov/pubmed/30171211

 

ciber

Centro de Investigación Biomédica en Red

Instituto de Salud Carlos III

C/ Monforte de Lemos 3-5, Pabellón 11. Planta 0 - 28029 Madrid

Tlf:: (34) 91 171 81 19 - (34) 91 171 81 18

e-mail: comunicacion@ciberisciii.es

web: www.ciberisciii.es

ciber
ciberbbn isciii
ciber
ciberbbn isciii
ciber
ciberbbn isciii
ciber