Inteligencia Artificial y Neuroimagen por TC en Demencia y Trastornos Psicóticos: Un Punto de Vista

Área de la Ciencia:

• Neuroimagen
• Inteligencia Artificial
• Psiquiatría

Sus antecedentes:

• Los trastornos psicóticos presentan síntomas y respuestas al tratamiento diversos, lo que dificulta el desarrollo de modelos predictivos.
• Si bien la RM es el estándar, las TC son comunes en la atención psiquiátrica debido a su costo y accesibilidad.
• El aprendizaje profundo (DL) ofrece potencial para extraer información de las imágenes cerebrales de TC.

Objetivo del estudio:

• Revisar sistemáticamente los estudios que utilizan aprendizaje automático (ML), incluido DL, en imágenes cerebrales de TC para trastornos de demencia o psicóticos.
• Evaluar la calidad y aplicabilidad de la investigación actual de ML/DL en este dominio.

Principales métodos:

• Revisión sistemática de estudios revisados por pares que utilizan ML/DL con imágenes de TC para modelado diagnóstico o pronóstico.
• Búsqueda en seis bases de datos desde el inicio hasta el 22 de noviembre de 2024.
• Evaluación del riesgo de sesgo (PROBAST+AI) y la calidad de los informes (TRIPOD-AI/CLAIM).

Principales resultados:

• Siete estudios cumplieron los criterios: uno sobre psicosis, seis sobre demencia; todos usaron DL para clasificación/segmentación.
• Los tamaños de muestra variaron (65-917); los estudios predictivos tuvieron un alto riesgo de sesgo.
• La calidad de los informes fue deficiente (TRIPOD-AI) y los estudios de segmentación mostraron limitaciones en la validación y reproducibilidad (CLAIM).

Conclusiones:

• Solo un estudio ha aplicado DL a imágenes de TC en psicosis, lo que resalta una brecha de investigación significativa.
• La investigación en demencia ofrece información transferible potencial para la psicosis.
• La investigación futura debe priorizar cohortes de psicosis grandes y bien caracterizadas con datos de imágenes y clínicos, validación externa y métodos transparentes para la traducción clínica.