El nuevo modelo muestra una alta precisión en la predicción de la respuesta al litio

En un estudio de prueba de concepto publicado en Trastornos bipolares, investigadores de la Universidad de Cincinnati, Ohio, encontraron que un nuevo sistema de aprendizaje automático tenía una alta precisión para predecir la respuesta del litio en pacientes con trastorno bipolar.1

Para los millones de personas que tienen trastorno bipolar, incluido hasta el 6% de la población de EE. UU., Existe un riesgo elevado de mortalidad y morbilidad durante los episodios maníacos, lo que subraya la necesidad de un tratamiento rápido y eficaz.2,3 Aunque el litio ha sido durante mucho tiempo la terapia de primera línea para el trastorno bipolar, un número significativo de pacientes no muestra una respuesta satisfactoria al fármaco.

Sin embargo, debido a que no existe un método confiable, como el uso de marcadores biológicos objetivos, para predecir la respuesta del tratamiento a los estabilizadores del estado de ánimo, estos pacientes están innecesariamente expuestos al riesgo de efectos adversos asociados durante el proceso de prueba y error para identificar el tratamiento óptimo. terapia.4 Las sensibilidades y especificidades de los métodos de predicción actuales para pacientes con trastornos del estado de ánimo oscilan entre el 70% y el 90%, lo que significa que a 3 de cada 10 pacientes con un trastorno del estado de ánimo se les diagnostica incorrectamente como sanos, y a 1 de cada 10 pacientes sanos se les diagnostica incorrectamente que tienen un trastorno del estado de ánimo. desorden de ánimo.5

Los investigadores actuales utilizaron un diseño de árbol difuso genético en cascada (GFT) llamado LITHium Intelligent Agent (LITHIA) para desarrollar un nuevo sistema de aprendizaje automático lingüístico. Luego probaron la capacidad del sistema para predecir la respuesta al litio utilizando datos retrospectivos de 20 pacientes que se habían sometido tanto a imágenes de resonancia magnética funcional (fMRI) como a espectrometría de resonancia magnética de protones (1H-MRS) en una sesión de referencia, seguida de una prueba de 8- curso de una semana de tratamiento con litio para su primer episodio de manía. “La predicción se basó en un conjunto de parámetros objetivos de neuroimagen previos al tratamiento, incluida la activación relativa de fMRI y los niveles de metabolitos de MRS en varias regiones del cerebro en un diseño basado en datos”, escribieron.

Según los resultados, el 75% de los pacientes mostraron una respuesta al litio. Los que respondieron y los que no respondieron no difirieron significativamente en género, edad, estado de ánimo o presencia de síntomas psicóticos (PAGS > .05). Si bien ambos grupos tenían puntajes iniciales estadísticamente similares en la Escala de Calificación de Manía Joven (YMRS), los que respondieron tuvieron puntajes significativamente más bajos en la semana 8 en comparación con los que no respondieron[[t(18) = 6,58, PAGS <.001].

LITHIA mostró una precisión casi perfecta al clasificar a los pacientes en grupos que respondieron o no a la terapia con litio. Además, el sistema predijo reducciones de síntomas a las 8 semanas con una precisión de al menos el 88% en el entrenamiento y el 80% en la validación. Los hallazgos demuestran además que LITHIA tenía una mayor capacidad predictiva en comparación con 8 métodos de clasificación comunes.

Los nuevos enfoques de aprendizaje automático son «capaces de utilizar datos de alta dimensión … para identificar combinaciones de entradas que discriminan de manera óptima entre grupos», afirmaron los investigadores actuales. “Dado que los parámetros de neuroimagen únicos han fallado en gran medida en la prueba de biomarcadores en psiquiatría, quizás la combinación de diferentes medidas en paradigmas de aprendizaje automático similares produzca una mejor predicción de la respuesta y una mejor precisión diagnóstica”, concluyeron.

Referencias

  1. Fleck DE, Ernest N, Adler CM, et al. Predicción de la respuesta del litio en el primer episodio de manía utilizando LITHium Intelligent Agent (LITHIA): datos piloto y prueba de concepto. Trastorno bipolar. 2017; 19 (4): 259-272. doi: 10.1111 / bdi.12507
  2. Judd LL, Akiskal HS. La prevalencia y la discapacidad de los trastornos del espectro bipolar en la población de EE. UU .: nuevo análisis de la base de datos ECA teniendo en cuenta los casos subumbrales. J afectar Desorden. 2003; 73 (1-2): 123-131. doi: 10.1016 / S0165-0327 (02) 00332-4

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *