Machine learning identifica alexitimia en veteranos con TEPT

Un nuevo estudio con veteranos de guerra con trastorno de estrés postraumático (TEPT) sugiere que ciertos patrones faciales, vocales y de lenguaje podrían ayudar a identificar la alexitimia, una dificultad para reconocer y expresar emociones que afecta la evolución y el tratamiento de múltiples trastornos psiquiátricos.

La investigación, de carácter transversal y realizada con 96 participantes, analizó grabaciones de un minuto en las que los veteranos describían un evento traumático. Mediante software especializado, se extrajeron rasgos faciales, vocales y lingüísticos que posteriormente se integraron en modelos de clasificación basados en machine learning (XGBoost). El objetivo fue determinar si estas características podían predecir qué personas superaban el punto de corte de la escala Toronto Alexithymia Scale-20.

El modelo más preciso obtuvo un desempeño sólido: un F1-score promedio de 0. 78 (DE 0. 07) y un área bajo la curva de 0. 87 (DE 0. 12). Los resultados muestran que los tres tipos de fenotipos —lenguaje, voz y expresiones faciales— aportaron información relevante para la clasificación, en línea con teorías previas sobre los marcadores conductuales de la alexitimia.

Los autores concluyen que esta combinación de indicadores multimodales representa una alternativa prometedora para identificar la alexitimia en personas con TEPT, un avance que podría orientar futuros programas de tratamiento más personalizados y eficaces. 

Resumen modificado por Cibermedicina

Para acceder al texto completo consulte las características de suscripción de la fuente original: https://mental.jmir.org/