Diagnóstico diferencial basado en aprendizaje automático de la esquizofrenia, el trastorno depresivo mayor y el trastorno bipolar mediante resonancia magnética estructural

El presente estudio evalúa el potencial de los modelos de aprendizaje automático (machine learning) aplicados a imágenes de resonancia magnética estructural (sMRI) para diferenciar entre tres trastornos psiquiátricos de alta prevalencia y complejidad diagnóstica: la esquizofrenia (SCZ), el trastorno depresivo mayor (MDD) y el trastorno bipolar (BD). Estas patologías comparten síntomas clínicos, como afectación del estado de ánimo, cognición alterada y disfunciones sociales, lo que dificulta su diagnóstico diferencial basado únicamente en criterios clínicos. Por ello, identificar biomarcadores cerebrales objetivos representa una necesidad urgente en psiquiatría.

El estudio incluyó una muestra de 880 participantes divididos equitativamente entre los tres grupos diagnósticos y un grupo control sano. Se utilizaron imágenes obtenidas por resonancia magnética con un escáner de 3 teslas, extrayéndose un total de 272 características cerebrales de 68 regiones corticales mediante el software FreeSurfer. Estas características incluyeron grosor cortical, volumen, área superficial y curvatura media, variables que han demostrado relevancia en la neuroimagen psiquiátrica.

Se implementaron distintos métodos de selección de características y clasificación automática, siendo el modelo más efectivo aquel basado en Naive Bayes combinado con selección univariada de variables. Este modelo alcanzó una precisión del 66 %, con un área bajo la curva (AUC) promedio de 0. 86, indicando un desempeño robusto en la clasificación entre grupos diagnósticos. Además, se obtuvieron sensibilidades entre 0. 58 y 0. 86 y especificidades entre 0. 81 y 0. 93, lo que resalta la utilidad clínica potencial de esta metodología.

Las regiones cerebrales más relevantes para la clasificación fueron áreas de los lóbulos cingulado y temporal, como el corte cingulado ístmico derecho, el giro temporal superior derecho, el giro temporal inferior izquierdo y el polo temporal derecho, entre otras. Estas zonas están implicadas en funciones relacionadas con la emocionalidad, la cognición social y la regulación del ánimo, lo cual concuerda con las alteraciones observadas en los distintos trastornos.

En conclusión, este estudio sugiere que los biomarcadores estructurales cerebrales extraídos de sMRI, en combinación con algoritmos de machine learning, podrían ser herramientas valiosas para mejorar el diagnóstico diferencial entre SCZ, MDD y BD. Sin embargo, es necesario realizar más investigaciones con muestras más amplias y multicéntricas antes de su implementación clínica.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.sciencedirect.com/