Modelos de aprendizaje automático multimodal para predecir la remisión en el trastorno depresivo mayor utilizando...

Área de la Ciencia:

• Psiquiatría y Biología Computacional.
• Neurociencia y Genética.

Sus antecedentes:

• El trastorno depresivo mayor (TDM) plantea un desafío significativo para la salud mundial, con tasas de remisión limitadas tras la terapia antidepresiva inicial.
• El valor predictivo de los biomarcadores inflamatorios y la metilación del ADN para la respuesta al tratamiento a lo largo del tiempo permanece en gran medida sin aclarar.

Objetivo del estudio:

• Investigar la utilidad predictiva temporal de marcadores clínicos, inflamatorios y epigenéticos para predecir la remisión del TDM.
• Desarrollar modelos de aprendizaje automático para pronosticar los resultados del tratamiento a corto y largo plazo en pacientes con MDD.

Principales métodos:

• Análisis de 821 pacientes coreanos con TDM del estudio MAKE BETTER, integrando datos clínicos, biomarcadores inflamatorios séricos y perfiles de metilación del ADN.
• Se emplearon modelos de aprendizaje automático (XGBoost, regresión logística) para predecir la remisión a los 12 meses y 12 semanas.
• Las tareas de clasificación exploratoria evaluaron la mejoría temprana (2 semanas) y la remisión de 12 semanas utilizando datos de 12 semanas.

Principales resultados:

• Los modelos lograron un rendimiento predictivo significativo para la remisión de 12 meses (AUROC 0.728) y la remisión de 12 semanas (AUROC 0.742).
• Los factores predictivos evolucionaron: la gravedad clínica y la dosis de antidepresivos para los resultados tempranos / a corto plazo, el cambio a los marcadores inflamatorios (hs-CRP) y epigenéticos (EIS) para la remisión a largo plazo.
• Una firma epigenética de dos CpG demostró una fuerte capacidad predictiva (AUROC 0.757) para la estratificación del riesgo a largo plazo.

Conclusiones:

• Los factores clínicos y de tratamiento son cruciales para los resultados a corto plazo del TDM.
• Los marcadores inflamatorios y epigenéticos ganan importancia para predecir la remisión a largo plazo, apoyando su papel en el manejo crónico de MDD.
• Las características dinámicas multimodales, incluida la exposición al tratamiento y los marcadores relacionados con la inflamación, son esenciales para los enfoques de psiquiatría de precisión en MDD.