MADRID, 14 Feb. (EUROPA PRESS) -
Expertos del Instituto de Investigación Sanitaria INCLIVA, del Hospital Clínico de Valencia, han impulsado, junto con la Universitat Politcnica de Valncia (UPV), un proyecto para mejorar los sistemas de diagnóstico y tratamiento en psicosis, a través de la incorporación de técnicas de inteligencia artificial y 'Big Data'.
"El proyecto nace de una larga trayectoria, de más de 20 años, de este grupo de investigación buscando indicadores (marcadores biológicos) que nos ayuden tanto en el diagnóstico como en el pronóstico en la psicosis. El objetivo principal poder predecir, ante el primer episodio psicótico, la respuesta al tratamiento y el curso de la enfermedad, para, en definitiva, ofrecer el tratamiento óptimo a cada paciente", ha comentado el responsable de la iniciativa y coordinador del Grupo de Investigación de Psiquiatría de INCLIVA y de la Unidad de Primeros Episodios Psicóticos del Hospital Clínico de Valencia, Julio Sanjuán.
En concreto, el proyecto tiene en cuenta dos estrategias para mejorar los sistemas diagnósticos y terapéuticos de la práctica clínica diaria: el análisis de los datos de seguimiento de la muestra total de pacientes atendidos en la Unidad de Primeros Episodios, que son representativos de la población global; y el empleo de técnicas de inteligencia artificial para la generación de un algoritmo diagnóstico-pronóstico.
En la actualidad, hay resultados preliminares "muy prometedores" del uso de esta técnica con resonancia magnética funcional, por lo que la intención de los investigadores es aplicar dicho análisis al conjunto de datos, incluyendo datos clínicos, genéticos y de neuroimagen.
En cuanto a la recogida de datos clínicos, genéticos y de neuroimagen, el proyecto está "muy avanzado", con el registro de datos de más de 200 individuos. Asimismo, los análisis de 'machine learning' se han realizado con los datos de neuroimagen funcional pero, en unos años, se espera poder disponer de un análisis del conjunto de datos, para lo que se realizarán este tipo de resonancias tanto en hospitales nacionales como internacionales.
Además, el estudio se ampliará para incluir datos de la historia clínica del paciente y sus datos génicos. "Las técnicas de machine learning están ya transformando la medicina reduciendo el tiempo necesario para alcanzar un diagnóstico. Todos los años aparecen soluciones nuevas y más avanzadas, especialmente en campos de la medicina asociados a detección de tumores u otras enfermedades degenerativas. Pero estos avances no se han alcanzado en la rama de la psiquiatría, debido a que no existen marcadores biológicos detectables", ha apuntado la doctora del Instituto Valenciano de Investigación en Inteligencia Artificial (VRAIN, por sus siglas en inglés) de la UPV, María José Castro.
Actualmente, las técnicas de 'deep learning' pueden analizar muchos más factores y casos que los especialistas humanos. Para ser más precisos, se pueden utilizar estas técnicas, entre otras aplicaciones, para la investigación del genoma, el desarrollo de fármacos y las imágenes médicas. "Deberíamos avanzar hacia una colaboración conjunta entre los expertos humanos con estas técnicas automáticas, usando los resultados de los algoritmos de ayuda al diagnóstico como sistemas de soporte para tomar decisiones médicas", ha zanjado Castro.
