Un programa de análisis automatizado del discurso diferenció correctamente entre jóvenes en situación de riesgo que desarrollaron psicosis en un periodo de dos años y medio y los que no la padecieron posteriormente. En un estudio de prueba de concepto, investigadores del Centro Médico de la Universidad de Columbia, el Instituto Psiquiátrico del Estado de Nueva York y el Centro de Investigación Watson de IBM TJ, en Estados Unidos, encontraron que el análisis informatizado proporciona una clasificación más precisa que las calificaciones clínicas.

Cerca del 1 por ciento de la población entre las edades de 14 y 27 años es considerado como de alto riesgo clínico (CHR, por sus siglas en inglés) de psicosis. Los individuos CHR tienen síntomas como pensamiento inusual o tangencial, cambios de percepción y suspicacia. Alrededor del 20 por ciento pasará a experimentar un episodio psicótico en toda regla, pero identificar quien entra en esa categoría del 20 por ciento antes de que desarrolle psicosis ha sido un objetivo difícil de alcanzar.

La identificación temprana podría dar lugar a la intervención y el apoyo, lo que podrían retrasar, reducir o, incluso, prevenir la aparición de enfermedades mentales graves. El discurso proporciona una ventana única en la mente, dando importantes pistas acerca de lo que las personas están pensando y sintiendo.

A los participantes en el estudio, que se publica en 'NPJ-Schizophrenia', se les pidió que narraran de forma indefinida sus experiencias subjetivas, siendo su discurso transcrito y analizado por ordenador en relación a sus patrones de expresión, incluyendo la semántica (significado) y la sintaxis (estructura).

El análisis estableció la coherencia semántica de cada paciente (lo bien que él o ella desarrolló en el tema), y la estructura sintáctica, como la longitud de las frases y el uso de palabras determinantes que enlazan las frases. Un psiquiatra clínico puede reconocer intuitivamente los síntomas de pensamientos desorganizados en una entrevista tradicional, pero una máquina puede aumentar lo que se escucha al medir con precisión las variables. Los participantes fueron seguidos durante dos años y medio.

Las características del habla que predijeron inicio de la psicosis incluyen interrupciones en la fluidez del significado de una frase a la siguiente y el discurso caracterizado por frases cortas con menos elaboración. La herramienta clasificadora del discurso desarrollada en este trabajo para mecánicamente ordenar estas características relacionadas con los síntomas es sorprendente al alcanzar el cien por cien de precisión, según los autores. El análisis por ordenador diferenció correctamente entre las cinco personas que más tarde experimentaron un episodio psicótico y los 29 que no lo tuvieron.

Estos resultados sugieren que este método puede ser capaz de identificar trastornos del pensamiento en su forma más temprana, más sutil, años antes de la aparición de la psicosis. El trastorno del pensamiento es un componente clave de la esquizofrenia, pero la cuantificación ha resultado difícil hasta ahora.

Para el campo de la investigación de la esquizofrenia y para la psiquiatría en términos más generales, se abre la posibilidad de que la nueva tecnología pueda ayudar en el pronóstico y diagnóstico de los trastornos mentales graves, y realizar un seguimiento de la respuesta al tratamiento. El análisis automatizado del habla es barato, portátil, rápido y no invasivo y tiene el potencial de ser una herramienta de gran alcance que puede complementar las entrevistas y clasificaciones clínicas.

Se necesitan investigaciones adicionales con un segunda grupo más grande de individuos en riesgo para ver si esta capacidad informatizada de predecir el inicio de la psicosis es a la vez robusta y fiable. Los análisis del discurso automatizados utilizados en conjunción con pruebas de neuroimagen también pueden ser útiles para llegar a una mejor comprensión del trastorno del pensamiento temprano y los caminos para desarrollar tratamientos.

Para acceder al texto completo es necesario consultar las características de suscripción de la fuente original: http://www.nature.com/npjschz/