Diferenciación entre depresión mayor psicótica y no psicótica mediante la red ajustada por datos previos tabulares

Área de la Ciencia:

• Psiquiatría
• Informática Médica
• Aprendizaje Automático

Sus antecedentes:

• La falta de diagnóstico diferencial entre la depresión mayor psicótica (DMP) y la depresión mayor no psicótica (DNMP) conduce a resultados de tratamiento subóptimos.
• La diferenciación precisa es crucial para estrategias terapéuticas efectivas en el trastorno depresivo mayor.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático para distinguir la DMP de la DNMP utilizando datos de historias clínicas electrónicas (HCE).
• Evaluar el rendimiento del modelo Tabular Prior-data Fitted Network (TabPFN) en comparación con los enfoques tradicionales de aprendizaje automático.

Principales métodos:

• Se utilizaron datos de HCE de 666 pacientes con DMP y 808 pacientes con DNMP (enero de 2020-febrero de 2025).
• Se aplicó el operador de contracción y selección de la menor suma de valores absolutos (LASSO) para la selección de características, seguido de la construcción del modelo TabPFN.
• Se comparó TabPFN con siete modelos de ML tradicionales y se emplearon las explicaciones aditivas de Shapley (SHAP) para la interpretabilidad.

Principales resultados:

• El modelo TabPFN logró un área robusta bajo la curva (AUC) de 0.798, superando a los modelos de ML tradicionales.
• El análisis SHAP identificó los niveles de tiroxina (T4) y la edad como predictores clave.
• La T4 elevada y la edad más joven se asociaron significativamente con una mayor probabilidad de DMP.

Conclusiones:

• El modelo TabPFN, que utiliza variables seleccionadas por LASSO, muestra un potencial significativo para ayudar en el diagnóstico de DMP y DNMP.
• Este enfoque ofrece ventajas en el rendimiento algorítmico y el preprocesamiento, allanando el camino para herramientas de diagnóstico auxiliar.
• Los hallazgos de este estudio de un solo centro pueden tener limitaciones en su generalización a diversos entornos clínicos.