MADRID 13 Feb. (EUROPA PRESS) -
Investigadores del Grupo Multidisciplinar de Investigación en Trastornos Afectivos, del Departamento de Psiquiatría de la Universidad Autónoma de Madrid (UAM), han demostrado que utilizando técnicas de aprendizaje automático ('machine learning') es posible predecir el diagnóstico de depresión y su tipología clínica a partir de marcadores inmunometabólicos y hábitos de vida.
La heterogeneidad de los síntomas de depresión dificulta la identificación de los mecanismos fisiopatológicos de esta enfermedad. Un marco conceptual prometedor para poder llegar a comprender sus mecanismos fisiopatológicos es el estudio de la desregulación inflamatoria, apuntando teorías recientes a una asociación entre alteraciones inmunometabólicas y subtipos específicos de depresión.
Teniendo en cuenta esta base de conocimiento, y utilizando diferentes algoritmos de aprendizaje automático, los investigadores han realizado un estudio de clasificación de pacientes con trastorno depresivo mayor a partir de variables de tipo inmunometabólico y estrés oxidativo, así como de variables relacionadas al estilo de vida.
Se evaluaron a 171 participantes, de los cuales 91 eran pacientes con depresión y 80 controles sanos. Teniendo en cuenta las variables anteriormente citadas se logró clasificar de manera óptima a los pacientes frente a las personas sanos y a los afectados según su sintomatología y su respuesta al tratamiento. Además, se pudo analizar la importancia relativa de cada una de las variables en la clasificación.
"Estos resultados confirman la importancia de las variables inflamatorias y metabólicas en la depresión. Las alteraciones inflamatorias que presentan los pacientes con trastorno depresivo mayor podrían ser consecuencia de una hiperactivación del eje hipotalámo-hipofiso-adrenal motivada por el estrés crónico, impactando en la producción de proteínas proinflamatorias y agentes oxidativos a través de la desregulación de la producción de glucocorticoides", ha detallado la líder de la investigación, Pilar López García.
Respecto al estilo de vida, el estudio ha puesto de manifiesto que tanto el consumo de alcohol como el ejercicio físico son importantes a la hora de clasificar a los sujetos con diagnóstico de depresión, siendo también determinantes en la clasificación de los subtipos depresivos.
Por último, el trabajo ha demostrado el potencial del uso de algoritmos de aprendizaje automático para abordar la depresión y, en especial, qué tipo de algoritmos producen el mejor rendimiento al hacerlo. "Es importante destacar que el posible perfeccionamiento de dichas técnicas puede ayudar en el futuro a los profesionales de la salud mental a redefinir los trastornos mentales de forma objetiva, pudiendo identificar a los pacientes y su pronóstico en función de los factores de riesgo determinados como variables predictivas y a su vez personalizar los tratamientos en función de los pacientes", ha zanjado la autora principal del artículo científico, Yolanda Sánchez-Carro.
