Cómo el machine learning puede ayudar a identificar la depresión

U n equipo liderado desde la Universidad Autónoma de Madrid (UAM) ha conseguido identificar a los pacientes con depresión a partir del estado inflamatorio, las alteraciones metabólicas y los estilos de vida mediante  algoritmos de aprendizaje automático.

 

Con la ayuda de técnicas de aprendizaje automático (machine learning), un grupo de investigadores de la Universidad Autónoma de Madrid (USM) ha demostrado que es posible predecir el diagnóstico de depresión y su tipología. 
 
Utilizando diferentes algoritmos de aprendizaje automático, los investigadores realizaron un estudio de clasificación de pacientes con trastorno depresivo mayor a partir de variables de tipo inmunometabólico así como de variables relacionadas al estilo de vida.
 
Supuestos explícitos
 
Los autores indican que los métodos de aprendizaje automático basados en hacer supuestos explícitos sobre los subtipos de pacientes y el posterior ajuste de los datos a estos supuestos, permiten desarrollar modelos que pueden contribuir a crear grupos de pacientes más homogéneos. Además, no requiere un conocimiento previo de las posibles relaciones entre variables por lo que cada vez más se está utilizando en la investigación de los trastornos mentales.
 
El trabajo demuestra 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. En este caso relacionados con la depresión, una enfermedad común que afecta aproximadamente al 4% de la población mundial, siendo una de las principales causas de discapacidad. 
 
Los autores concluyen 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.
 
 
 
 
 
 
 
 
 

Post a Comment