Algoritmo examina resonancias magnéticas estructurales del cerebro para identificar pacientes en etapas tempranas de enfermedades mentales

Un nuevo estudio ha demostrado que mediante el examen de resonancias magnéticas estructurales del cerebro, es posible identificar a los pacientes más susceptibles a malos resultados. Al identificar a estos pacientes en las primeras etapas de su enfermedad, los médicos podrán ofrecer tratamientos más específicos y efectivos.

En el estudio, los investigadores de la Universidad de Birmingham (Edgbaston, Reino Unido) utilizaron datos de alrededor de 300 pacientes con psicosis de inicio reciente y depresión de inicio reciente que participaron en el estudio PRONIA. PRONIA es un estudio de cohortes financiado por la Unión Europea que investiga herramientas de pronóstico para las psicosis y que se lleva a cabo en siete centros de investigación europeos, incluido Birmingham. Los investigadores utilizaron un algoritmo de aprendizaje automático para evaluar los datos de los escáneres cerebrales de los pacientes y clasificarlos en grupos. Se identificaron dos grupos en función de las exploraciones, cada uno de los cuales contenía pacientes con psicosis y pacientes con depresión. Cada grupo reveló características distintivas que se relacionaron fuertemente con su probabilidad de recuperación.

En el primer grupo, los volúmenes más bajos de materia gris, el tejido más oscuro dentro del cerebro involucrado en el control muscular y funciones como la memoria, las emociones y la toma de decisiones, se asociaron con pacientes que tuvieron peores resultados. En el segundo grupo, por el contrario, los niveles más altos de materia gris indicaban que los pacientes tenían más probabilidades de recuperarse bien de su enfermedad. Luego se utilizó un segundo algoritmo para predecir el estado de los pacientes nueve meses después del diagnóstico inicial. Los investigadores encontraron un mayor nivel de precisión en la predicción de los resultados al utilizar los grupos de base biológica en comparación con los sistemas de diagnóstico tradicionales.

La evidencia también mostró que los pacientes en el grupo con volúmenes más bajos de materia gris en sus escáneres cerebrales pueden tener niveles más altos de inflamación, menor concentración y otras deficiencias cognitivas previamente asociadas con la depresión y la esquizofrenia. Finalmente, el equipo probó los grupos en otros grandes estudios de cohortes en Alemania y EUA y pudo demostrar que los mismos grupos identificados podrían usarse para predecir los resultados de los pacientes. El próximo paso para el equipo es comenzar a validar los grupos en la clínica, recopilando datos de pacientes en tiempo real, antes de planificar ensayos clínicos a mayor escala.

“Actualmente, la forma en que diagnosticamos la mayoría de los trastornos de salud mental se basa en el historial, los síntomas y las observaciones clínicas del paciente, en lugar de la información biológica”, dijo Paris Alexandros Lalousis, Facultad de Psicología. “Eso significa que los pacientes pueden tener mecanismos biológicos subyacentes similares en su enfermedad, pero diferentes diagnósticos. Al comprender esos mecanismos más completamente, podemos brindarles a los médicos mejores herramientas para usar en la planificación de tratamientos”.

“Si bien el estudio PRONIA contenía personas a las que recientemente se les había diagnosticado su enfermedad, los otros conjuntos de datos que usamos contenían personas con afecciones crónicas”, agregó Lalousis. “Descubrimos que cuanto más larga era la duración de la enfermedad, más probable era que un paciente encajara en el primer grupo con menor volumen de materia gris. Eso realmente se suma a la evidencia de que las resonancias magnéticas estructurales pueden ofrecer información de diagnóstico útil para ayudar a guiar las decisiones de tratamiento específicas”.

Enlaces relacionados:
Universidad de Birmingham  

Visitar la expo >

Miembro Oro

Ultrasound System

FUTUS LE

Miembro Oro

Electrode Solution and Skin Prep

Signaspray

Miembro Plata

Solid State Kv/Dose Multi-Sensor

AGMS-DM+

Afterloader For Brachytherapy

Flexitron