Un enfoque de aprendizaje automático para predecir trayectorias clínicas en el trastorno bipolar

Área de la Ciencia:

• Psiquiatría
• Psiquiatría Computacional
• Aprendizaje Automático en Atención Médica

Sus antecedentes:

• El trastorno bipolar (TB) se presenta con características clínicas diversas, lo que afecta el diagnóstico y el tratamiento.
• La psiquiatría de precisión tiene como objetivo estratificar a los pacientes para intervenciones personalizadas y mejores resultados.
• Comprender la heterogeneidad del TB es crucial para la identificación temprana del riesgo y el manejo.

Objetivo del estudio:

• Desarrollar modelos de aprendizaje automático para predecir el momento del inicio y la gravedad de la enfermedad en el trastorno bipolar.
• Identificar subtipos de pacientes distintos dentro de la cohorte de trastorno bipolar.
• Investigar los factores que contribuyen a los retrasos diagnósticos en el trastorno bipolar.

Principales métodos:

• Análisis retrospectivo de 203 conjuntos de datos clínicos de pacientes con trastorno bipolar.
• Desarrollo de modelos de aprendizaje automático que incluyen Random Forest, Regresión Logística Ponderada y XGBoost.
• Aplicación de análisis de supervivencia y técnicas de agrupamiento para identificar fenotipos de pacientes y patrones de diagnóstico.

Principales resultados:

• La Regresión Logística Ponderada (AUC=0.733) y XGBoost (AUC=0.729) demostraron una alta precisión en la predicción del momento del inicio.
• El análisis de clústeres reveló tres fenotipos distintos de trastorno bipolar: baja complejidad, familiar-grave de inicio tardío y comórbido de inicio temprano.
• El retraso diagnóstico no se vio influenciado significativamente por los perfiles de riesgo clínico, aunque los casos graves mostraron una mayor latencia.

Conclusiones:

• El aprendizaje automático predice eficazmente las trayectorias clínicas del trastorno bipolar utilizando datos rutinarios de una cohorte africana.
• Los subtipos de pacientes identificados ofrecen potencial para enfoques de tratamiento personalizados.
• Los retrasos diagnósticos significativos en el trastorno bipolar siguen sin explicarse por las variables clínicas actuales, lo que requiere una mayor investigación.