Enfoque de aprendizaje profundo para la evaluación automática de la esquizofrenia y el trastorno bipolar en pacientes...

Área de la Ciencia:

• La neurociencia
• Ingeniería biomédica
• Psiquiatría computacional

Sus antecedentes:

• La esquizofrenia y el trastorno bipolar perjudican significativamente la calidad de vida.
• La disfunción del sistema nervioso autónomo está relacionada con estas enfermedades mentales graves.
• La variabilidad de la frecuencia cardíaca (VRC) muestra potencial como biomarcador para el apoyo diagnóstico.

Objetivo del estudio:

• Desarrollar y evaluar un método automatizado de clasificación para la esquizofrenia y el trastorno bipolar.
• Para utilizar señales de electrocardiograma (ECG) de corta duración de un dispositivo portátil de bajo costo.
• Evaluar la viabilidad del análisis de la VHR para el cribado psiquiátrico.

Principales métodos:

• Experimentos de clasificación mediante el aprendizaje automático en ventanas de intervalo R-R a partir de grabaciones cortas de ECG.
• Evaluación de múltiples modelos que incluyen SVM, XGBoost, MLPs, GRUs y conjuntos.
• Evaluación del rendimiento mediante validación cruzada de 5 veces y una sola omisión con optimización de hiperparámetros.

Principales resultados:

• Se ha logrado una precisión de clasificación del 83% (CV de 5 veces) y del 80% (CV de una sola vez).
• El rendimiento es comparable al de los métodos de diagnóstico avanzados a pesar de la complejidad del entorno clínico en el mundo real.
• Se ha demostrado la viabilidad mediante el análisis de la VRC de corta duración.

Conclusiones:

• El análisis de corta duración de la VHC utilizando ECG portátiles y aprendizaje automático es una herramienta viable y rentable para ayudar al diagnóstico psiquiátrico.
• Apoya el potencial de los dispositivos portátiles y la IA en la detección psiquiátrica.
• Abre el camino para nuevas investigaciones y aplicaciones clínicas en el cuidado de la salud mental.