Diagnóstico de depresión a partir de entrevistas a pacientes mediante aprendizaje automático multimodal | JoVE Visualize

Área de la Ciencia:

Psiquiatría
Lingüística Computacional
Aprendizaje Automático

Sus antecedentes:

La depresión es un problema de salud global importante, que afecta aproximadamente al 5% de la población.
El diagnóstico temprano y preciso de la depresión es crucial para un tratamiento eficaz, pero sigue siendo un desafío.
La voz, el lenguaje y las señales conductuales de las entrevistas a los pacientes ofrecen posibles marcadores objetivos para la evaluación de la depresión.

Objetivo del estudio:

Desarrollar y validar un enfoque diagnóstico multimodal para la depresión utilizando datos de entrevistas a pacientes.
Integrar patrones de voz, características lingüísticas e información clínica para mejorar la precisión diagnóstica.
Evaluar la utilidad clínica y el potencial del modelo multimodal en la evaluación psiquiátrica.

Principales métodos:

Desarrollaron modelos de aprendizaje automático separados para las modalidades de datos de voz, lingüísticos y clínicos.
Combinaron modelos individuales utilizando fusión multimodal para crear una herramienta de diagnóstico integral.
Evaluaron el rendimiento del modelo utilizando métricas como AUROC y la puntuación F1, y evaluaron la utilidad clínica a través de la calibración y el análisis de decisiones.

Principales resultados:

El modelo multimodal superó significativamente a los modelos de unimodalidad en precisión diagnóstica (AUROC 0.88, puntuación F1 macro 0.75).
El modelo fusionado demostró una buena calibración, lo que indica estimaciones de probabilidad confiables.
El enfoque mostró un mayor beneficio clínico neto en comparación con las estrategias de referencia, lo que sugiere un valor clínico práctico.

Conclusiones:

El análisis multimodal de las entrevistas a los pacientes mediante el aprendizaje automático puede ayudar eficazmente en las evaluaciones psiquiátricas.
La combinación de características de voz, lenguaje y clínicas proporciona un marco sólido para la detección temprana de la depresión.
Este enfoque apoya la toma de decisiones basada en evidencia y mejora la fiabilidad del diagnóstico de los trastornos depresivos.