El sentido de la agencia como características clínicamente accesibles para la predicción de la esquizofrenia:...

Área de la Ciencia:

• Diagnóstico psiquiátrico
• Psiquiatría computacional
• Aprendizaje automático en la salud

Sus antecedentes:

• La esquizofrenia es un trastorno psiquiátrico grave con discapacidad significativa y impacto socioeconómico.
• El diagnóstico actual se basa en entrevistas clínicas y síntomas positivos, con medidas objetivas limitadas.
• Los déficits en el sentido de la agencia (SoA) son una característica central, pero su utilidad de diagnóstico está poco explorada.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático interpretables para la predicción de la esquizofrenia utilizando déficits de SoA.
• Para cuantificar la importancia diagnóstica de las características de SOA en la esquizofrenia.
• Crear una herramienta de traducción que combine la investigación computacional y la aplicación clínica.

Principales métodos:

• Reclutó a 155 participantes para la generación de características SoA utilizando la calificación de la agencia, la estimación del intervalo de tiempo y la vinculación intencional.
• Se entrenaron y evaluaron seis algoritmos de aprendizaje automático de referencia, identificando a Random Forest (RF) y TabPFN como óptimos.
• Desarrolló un modelo conjunto, SchNet, que combina RF y TabPFN para mejorar el rendimiento predictivo y la interpretabilidad.

Principales resultados:

• El clasificador de conjuntos SchNet logró un alto rendimiento con una precisión de 0,90 y una puntuación de 0,91 F1.
• Los modelos interpretables identificaron los déficits de SoA como predictores significativos para la esquizofrenia.
• Se implementó un servidor web (SchNet) para pruebas de SoA en línea, predicción de riesgos y análisis de interpretabilidad.

Conclusiones:

• Los modelos de aprendizaje automático que integran las características de SoA muestran una alta precisión en la predicción de la esquizofrenia.
• La herramienta SchNet proporciona una aplicación práctica para la detección temprana y las estrategias terapéuticas basadas en datos.
• Este enfoque mejora las capacidades de diagnóstico objetivo y apoya el tratamiento personalizado en psiquiatría.