Con machine learning podría predecirse la esquizofrenia en un análisis sanguíneo

Con machine learning podría predecirse la esquizofrenia en un análisis sanguíneo

La esquizofrenia es un desorden mental crónico severo, el cual afecta a más de 20 millones de personas alrededor del mundo, según un estudio publicado en The Lancet.

Aunque la esquizofrenia se asocia con una discapacidad considerable, se trata de una enfermedad con tratamiento, de manera que un diagnóstico oportuno puede mejorar la calidad de vida de los pacientes. Por este motivo, un grupo de investigadores propone el uso de machine learning para predecir el riesgo de padecer esquizofrenia mediante un análisis sanguíneo.

Aunque en el padecimiento de la esquizofrenia parecen estar involucrados factores genéticos y del entorno, la evidencia actual sólo explica unos cuantos casos. Por este motivo, los investigadores creen que la epigenética, es decir, los mecanismos encargados de regular la expresión de los genes, son un factor en juego.

No obstante, los marcadores epigenéticos pueden variar entre diferentes tejidos, dificultando la evaluación de si los cambios epigenéticos contribuyen a enfermedades donde se involucra el cerebro, como la esquizofrenia.

Los autores del estudio publicado en la revista Translational Psychiatry identificaron con anterioridad un marcador epigenético común, diferente entre personas, pero consistente en los diferentes tejidos al interior del cuerpo.

Gracias a esta característica, los investigadores propusieron utilizar estas zonas genómicas llamadas CorSIV para inferir la regulación epigenética en otras partes del cuerpo difíciles de evaluar, como el cerebro.

De esta forma, los investigadores identificaron en el ADN de análisis sanguíneos cómo estos marcadores epigenéticos difieren entre las personas diagnosticadas con esquizofrenia y las personas sin la enfermedad. Posteriormente, desarrollaron un modelo de machine learning para evaluar la probabilidad de que un individuo padezca esquizofrenia.

Según el estudio, la prueba del modelo en un conjunto de datos independientes reveló una precisión para identificar pacientes con esquizofrenia del 80%.

El machine learning también se propone para el análisis de otros padecimientos mentales, además de la identificación de esquizofrenia mediante un análisis sanguíneo.

Un estudio de la Universidad de Sheffield sugiere, por ejemplo, un diagnóstico más rápido del Alzheimer y un mejor pronóstico para el paciente al recurrir a algoritmos de machine learning.

Con ellos, menciona el estudio, sería posible reconocer cambios causados por la enfermedad en imágenes médicas y también con la información del movimiento del paciente, grabaciones del habla y otros recursos.

Incluso investigadores del Instituto Tecnológico de Massachussets (MIT) y de la Universidad de Harvard proponen rastrear el impacto de la pandemia de Covid-19 en la salud mental con machine learning. Esto mediante el análisis del lenguaje utilizado en línea, identificando cambios en el tono y el lenguaje, así como la recurrencia de temas como ansiedad y depresión en las conversaciones.

En muchos países, procurar la salud mental es un reto importante, sobre todo en países de medianos y bajos ingresos, donde el tratamiento de estos padecimientos es deficiente.

Desarrollar nuevos métodos diagnósticos, como la posibilidad de predecir el riesgo de padecer esquizofrenia con un análisis sanguíneo y machine learning, abre la puerta a una atención temprana que permita dar a los pacientes una mejor calidad de vida.

NotiPress/Jorge Cerino

admin

Soy el mero mero que le pone sabor a tus chilaquiles, el tamal de tu torta, la pasta de tu cepillo de dientes, la machaca de tu huevo, soy el gaio y cuando canto sale pura neta.
Lo que quiero decir es que soy la voz oficial de este lugar y espero lean mis palabras. Informo de todo un poco. Queremos verte diario por aquí.

Facebook Twitter 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Categorías