Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Neuroimagen y aprendizaje automático para diagnosticar el trastorno bipolar

Investigadores del Centro de Investigación Biomédica en Red, en su área de Salud Mental, han identificado en un estudio internacional factores que podrían ayudar en el diagnóstico del trastorno bipolar, combinando datos de neuroimagen y técnicas de aprendizaje automático.

El estudio constituye hasta la fecha la mejor aproximación para el empleo de técnicas de neuroimagen como exploraciones complementarias que ayuden a confirmar el diagnóstico clínico del trastorno bipolar / SINC

A través de la participación de 3.000 pacientes (853 con la enfermedad y 2.167 sanos), un estudio colaborativo llevado a cabo por el ENIGMA Bipolar Disorders Working Group y publicado en la revista Molecular Psychiatry ha analizado datos clínicos y neuroimagen para diferenciar los individuos de un grupo u otro según técnicas de aprendizaje automático.

En este caso particular, se buscaba la identificación de patrones que ayudasen a clasificar correctamente a los participantes en el grupo de pacientes con trastorno bipolar o en el de controles sanos. El trabajo ha contado con la participación de un total de 13 centros de investigación líderes en el tratamiento del trastorno bipolar.

De esta manera, se analizaron las imágenes cerebrales obtenidas mediante resonancias magnéticas junto con otras variables clínicas y sociodemográficas de interés (tratamiento, género o edad) de los participantes.

En la actualidad, el diagnóstico es puramente clínico, basado en la identificación de síntomas mediante una entrevista

Los resultados demostraron un mayor rendimiento de clasificación del que se esperaría encontrar solo por azar, con un área bajo la curva (ROC-AUC) de 71, 49%. No obstante, los autores destacan que el nivel de precisión fue del 65, 23% inferior al umbral del 80% necesario para ser utilizado en la práctica clínica habitual.

La mejor aproximación en la materia hasta la fecha

El trabajo, sin embargo, constituye hasta la fecha la mejor aproximación para el empleo de técnicas de neuroimagen como exploraciones complementarias que ayuden a confirmar el diagnóstico clínico del trastorno bipolar.

En la actualidad, el diagnóstico es puramente clínico, basado en la identificación de síntomas mediante una entrevista clínica llevada a cabo por un experto en salud mental, pero una parte de la investigación se dedica a estudiar marcadores biológicos, como cambios en zonas cerebrales, que puedan contribuir a mejorar el diagnóstico

Referencia bibliográfica:

Abraham Nunes1, 2 et al. "Using structural MRI to identify bipolar disorders – 13 site machine learning study in 3020 individuals from the ENIGMA Bipolar Disorders Working Group" https://www.ncbi.nlm.nih.gov/pubmed/30171211

Fuente: SINC
Derechos: Creative Commons

Solo para medios:

Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.

Artículos relacionados
Juan Lerma, director del Centro Internacional de Neurociencias Cajal
“Conocer mejor el cerebro nos permitirá diseñar estrategias para tratar las enfermedades mentales”

El neurocientífico alicantino está al mando de este nuevo centro del CSIC con el objetivo de convertirlo en un referente mundial en el estudio del cerebro. Su intención es ponerlo en marcha, darle forma y buscar a un nuevo director “más joven” que será elegido por un comité internacional.

Las ‘tatarabuelas’ de las tijeras moleculares CRISPR harán más sencilla la edición genética

Investigadores de EE UU liderados por Feng Zhang, uno de los pioneros del corta-pega genético, han descubierto una clase de nucleasas que podrían ser los ancestros de las más utilizadas, Cas9 y Cas12. Su pequeña longitud permitiría facilitar el proceso.