Un equipo de investigadores alemanes han utilizado inteligencia artificial (machine learning) para diagnosticar el TDAH en el adulto y diferenciarlo de otras condiciones como la ansiedad, la depresión o el trastorno de estrés postraumático, que comparten síntomas.
El trabajo, publicado en la revista Scientific Reports, ha evaluado la eficacia del algoritmo LightGBM utilizando la escala evaluativa CAARS-S (Conners’ Adult ADHD Rating Scales) con un valor predictivo general del 80 por ciento para las distintas condiciones, elevando la precisión al 87 por ciento en el caso del trastorno por déficit de atención e hiperactividad de adultos.
Esta escala utiliza 26 elementos para determinar el diagnóstico del TDAH y diferenciarlo de otros cuyos síntomas se superponen, como la obesidad o la adicción al juego, en los que el componente de falta del control de los impulsos también juega un papel muy importante.
Método más eficaz para diagnosticar el TDAH en el adulto
La importancia de este estudio radica en que el gold standard para el diagnóstico y tratamiento del TDAH en adultos se basa en cuatro componentes que la falta de tiempo, recursos o formación adecuada hace difícil de aplicar en la práctica clínica diaria.
Estos componentes son: la entrevista clínica basada en la clasificación DSM; cuestionarios estandarizados de evaluación del TDAH en adultos; evaluación de las comorbilidades y análisis de certificados de trabajo o estudio.
El sistema CAARS-S puede utilizarse en versión simplificada, pero su precisión no es tan alta. Los autores destacan que, usándolo en su totalidad, solo 13 pacientes con TDAH, el 5 por ciento del total del grupo estudiado, fue clasificado erróneamente fuera de esta condición.
