Autor/autores:
Dra. Carla Agurta, Dr.Guillermo Cecchi, Sarah King...(et.al)
Antecedentes En el ámbito de la investigación psiquiátrica, el desarrollo y validación de biomarcadores escalables para predecir resultados clínicos longitudinales son vitales para mejorar la eficacia de las intervenciones y estrategias de prevención, particularmente en trastornos por uso de sustancias. Este estudio se centra en individuos con trastorno ...
PUBLICIDAD
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
En el ámbito de la investigación psiquiátrica, el desarrollo y validación de biomarcadores escalables para predecir resultados clínicos longitudinales son vitales para mejorar la eficacia de las intervenciones y estrategias de prevención, particularmente en trastornos por uso de sustancias.
Este estudio se centra en individuos con trastorno por uso de cocaína (iCUD) que estaban inicialmente abstinentes, empleando el habla espontánea como un nuevo biomarcador para pronosticar los resultados del uso de drogas.
El análisis del habla espontánea, utilizando técnicas avanzadas de procesamiento de lenguaje natural (NLP), ofrece una perspectiva única para entender los fundamentos cognitivos y emocionales que pueden predecir una recaída o el mantenimiento de la abstinencia.
Inscribimos a 88 participantes iCUD que proporcionaron muestras de habla de cinco minutos en la línea base. Estas muestras involucraban a los participantes describiendo tanto las consecuencias positivas de mantener la abstinencia como las negativas del uso de drogas.
Las evaluaciones de seguimiento se realizaron a intervalos de tres meses durante un año, aunque solo 57 participantes completaron todas las visitas de seguimiento y fueron incluidos en los análisis finales. Los resultados evaluados incluyeron síntomas de abstinencia, intensidad del antojo, número de días de abstinencia y uso reciente de cocaína.
Se desarrollaron modelos predictivos para comparar la eficacia de los embeddings de oraciones impulsados por NLP, dirigidos a inventarios psicométricos establecidos, contra modelos que utilizaban datos demográficos estándar y datos psicométricos de línea base.
Los hallazgos iniciales indicaron que en intervalos de tiempo más cortos, los modelos tradicionales no basados en NLP, que incorporaban medidas de uso de drogas en la línea base (reflejando los resultados), demostraron una precisión predictiva máxima.
Esto podría reflejar la lenta tasa de cambio en el comportamiento de uso de drogas, que podría estimarse linealmente. Sin embargo, para predicciones que se extendían más allá de los períodos de seguimiento inmediato, los modelos basados únicamente en muestras de habla de línea base mostraron un rendimiento significativamente mejor.
La fortaleza estadística de los modelos basados en el habla fue notable, con un coeficiente de correlación de Spearman de al menos 0. 46 y una precisión predictiva para la abstinencia alcanzando el 80%. Estos hallazgos sugieren que las muestras de habla podrían capturar dinámicas complejas y no lineales durante períodos extendidos más efectivamente que las medidas tradicionales, potencialmente debido a los ricos datos multidimensionales inherentes al habla espontánea.
Los resultados prometedores de este estudio sugieren que las medidas basadas en el habla, analizadas a través de técnicas sofisticadas de NLP, pueden servir como biomarcadores robustos y escalables para predecir resultados de uso de drogas a largo plazo en iCUD.
Este enfoque no solo proporciona información sobre los estados cognitivos y emocionales conducentes a una recuperación sostenida, sino que también ofrece una herramienta potencialmente generalizable aplicable a otros subgrupos dentro de la población dependiente de la cocaína, y posiblemente a otros trastornos por uso de sustancias y sus condiciones comórbidas.
Se requiere más investigación para replicar estos hallazgos en muestras más grandes e independientes para solidificar la utilidad del habla como una herramienta predictiva en entornos clínicos. Esto podría llevar finalmente a intervenciones más personalizadas y oportunas adaptadas a las trayectorias de recuperación individuales.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.biologicalpsychiatryjournal.com/
