https://www.savalnet.bo/cienciaymedicina/destacados/ia-como-aliada-en-la-deteccion-temprana-de-trastornos-mentales.html
03 Marzo 2025

IA como aliada en la detección temprana de trastornos mentales

Un modelo de machine learning que utiliza datos de registros médicos puede predecir la evolución hacia la esquizofrenia y el trastorno bipolar, siendo especialmente eficaz en la anticipación de la esquizofrenia.

Los trastornos mentales, como la esquizofrenia y el trastorno bipolar, afectan negativamente las relaciones sociales, la capacidad laboral y la esperanza de vida. Aunque los síntomas suelen manifestarse al final de la adolescencia o al inicio de la adultez, el diagnóstico a menudo se retrasa, lo que dificulta el inicio de un tratamiento adecuado.

Investigadores en Dinamarca estudiaron si los modelos de machine learning, usando datos comunes de registros médicos electrónicos, pueden predecir si pacientes tratados por otras enfermedades mentales desarrollarán esquizofrenia o trastorno bipolar.

Este estudio analizó datos de registros médicos electrónicos, que incluían medicamentos, diagnósticos y notas clínicas, de los Servicios Psiquiátricos de la Región Central de Dinamarca. Se evaluó a 24.449 pacientes de 15 a 60 años (56,6% mujeres) que tuvieron al menos dos citas en estos servicios. Se examinó si los pacientes desarrollarían esquizofrenia o trastorno bipolar en un plazo de 5 años, utilizando modelos de predicción un día antes de sus citas. Se utilizó la métrica AUROC para determinar cuál modelo de predicción fue el más efectivo.

El modelo XGBoost predijo la aparición de esquizofrenia o trastorno bipolar con un AUROC de 0,70 en el grupo de entrenamiento y 0,64 en el grupo de prueba, que incluyó dos hospitales. Con una tasa de predicción positiva del 4%, el modelo mostró una sensibilidad del 9,3%, una especificidad del 96,3% y un valor predictivo positivo (VPP) del 13%. 

Al predecir esquizofrenia por separado, el modelo tuvo un mejor rendimiento (AUROC de 0,80, sensibilidad del 19,4%, especificidad del 96,3% y VPP del 10,8%) en comparación con el trastorno bipolar (AUROC de 0,62, sensibilidad del 9,9%, especificidad del 96,2% y VPP del 8,4%). Las notas clínicas fueron especialmente útiles para hacer estas predicciones.

Estos hallazgos sugieren que es posible predecir la transición a la esquizofrenia y al trastorno bipolar a partir de datos clínicos rutinarios extraídos de registros médicos electrónicos. Además, la esquizofrenia resulta ser mucho más fácil de predecir que el trastorno bipolar.

Fuente bibliográfica

Predicting Diagnostic Progression to Schizophrenia or Bipolar Disorder via Machine Learning

Hansen L, et al.

DOI: 10.1001/jamapsychiatry.2024.4702

Ciencia y Medicina

Destacado Agenda de Eventos

XXII Congreso Asociación Panamericana de Infectología

03 Julio 2025

La Asociación Panamericana de Infectología y la Sociedad Peruana de Enfermedades Infecciosas y Tropicales invitan a toda la comunidad m...

Destacado Artículos Destacados

Avances en el manejo de la bacteriemia por S. aureus

08 Mayo 2025

Un abordaje oportuno y ajustado a la susceptibilidad antimicrobiana, junto con el control del foco infeccioso, es fundamental para reduci...

Eficacia de baloxavir en la prevención de la propagación de la influenza

02 Mayo 2025

Una dosis única oral del fármaco reduce significativamente la transmisión del virus entre contactos cercanos, ofreciendo una estrategi...

Destacado Progresos Médicos

Vacuna del herpes zóster: una defensa contra la demencia

14 Abril 2025

La inmunización podría prevenir el deterioro cognitivo al disminuir el riesgo de la enfermedad en un 20%, especialmente en mujeres. Est...