Investigadores utilizaron técnicas avanzadas de aprendizaje automático en datos de señales de electroencefalografía en estado de reposo de alta densidad para identificar patrones de conectividad funcional en los circuitos cerebrales que permiten la tipificación de pacientes, independientemente del diagnóstico clínico.
Cohen Veterans Bioscience (CVB), una biotecnologica dedicada a la investigación sin fines de lucro que promueve soluciones de salud cerebral, anuncia los resultados de un estudio que genera nueva evidencia en apoyo de un biomarcador de imágenes cerebrales crítico, que puede ayudar a guiar a las personas que sufren de trastorno de estrés postraumático (PTSD) o trastorno depresivo mayor (TDM) hacia el tratamiento más eficaz.
El estudio, titulado "Identificación de subtipos de trastornos psiquiátricos a partir de patrones de conectividad funcional en electroencefalografía en estado de reposo (EEG)", fue dirigido por el profesor de psiquiatría y ciencias del comportamiento de la Universidad de Stanford, Amit Etkin, quien recibió una importante financiación de CVB.
En los hallazgos, publicados en la revista nature, los autores utilizaron técnicas avanzadas de aprendizaje automático en datos de señales de EEG en estado de reposo de alta densidad para identificar patrones robustos de conectividad funcional en los circuitos cerebrales que permiten la tipificación de pacientes, independientemente del diagnóstico clínico.
Actualmente, no existen herramientas para predecir los resultados del tratamiento para pacientes con TEPT o TDM. Aunque la psicoterapia se considera el enfoque más eficaz para la población con TEPT en general, muchos pacientes individuales no responden a este tratamiento. De manera similar, los medicamentos antidepresivos mejoran los resultados solo modestamente sobre el placebo en pacientes con TDM. El fracaso de estos grupos de pacientes para responder al tratamiento puede deberse al hecho de que el diagnóstico clínico de estos trastornos neuropsiquiátricos involucra poblaciones biológicamente heterogéneas que responden de manera diferente al tratamiento.
El Dr. Etkin está llevando estos hallazgos al desarrollo para uso clínico como fundador de la empresa emergente Alto Neurosciences.
"Existe una gran necesidad en psiquiatría de pruebas objetivas que puedan informar el desarrollo del diagnóstico y las decisiones de tratamiento clínico para afecciones heterogéneas como el TEPT y el TDM. Nuestros hallazgos son emocionantes porque reflejan el progreso hacia la identificación de biomarcadores basados en evidencia y también demuestran el valor de las técnicas de aprendizaje automático para avanzar en un enfoque personalizado del tratamiento, que son parte de un punto de inflexión en el campo". Comenta Etkin.
En el estudio, los subtipos de pacientes encontrados en PTSD y MDD no difirieron en términos de la gravedad de los síntomas clínicos antes del tratamiento, pero tuvieron diferentes respuestas a los tratamientos. Estos subtipos se identificaron en función de patrones de conectividad funcional, o firmas neuronales, que se encuentran a través de la electroencefalografía (EEG), un método de bajo costo para cuantificar la función cerebral que se puede realizar en el contexto de la atención clínica. Curiosamente, los investigadores identificaron diferencias de conectividad relacionadas con subtipos igualmente fuertes en el TEPT y en los pacientes con TDM. Uno de los subtipos respondió mal a la psicoterapia o a los medicamentos antidepresivos. Sin embargo, ambos subtipos respondieron de manera similar al tratamiento no invasivo de estimulación cerebral magnética (EMT) transcraneal. Esto sugiere que, para un subtipo, lo mejor es la psicoterapia o el tratamiento con medicamentos.
Según el Dr. Andreas Jeromin, director científico de CVB, “Estos descubrimientos tienen implicaciones significativas, ya que ayudan a estratificar a los individuos independientemente del diagnóstico clínico en función de lo que puede representar un nuevo biomarcador transdiagnóstico. Esto permitirá el descubrimiento de una nueva generación de descubrimientos terapéuticos de precisión y tratamientos dirigidos”.
En este estudio, los investigadores aplicaron el aprendizaje automático para interpretar señales de EEG”, agrega Lee Lancashire , PhD, director de información de CVB. “Esta técnica es interesante porque identifica conjuntamente las características más importantes en los datos mientras agrupa a los participantes en grupos similares de una manera imparcial y basada en datos, sin incorporar ningún conocimiento previo sobre la presentación clínica del TEPT o TDM. El hecho de que las subpoblaciones basadas en EEG identificadas en el TEPT también se hayan replicado en el TDM es un paso adelante en la comprensión de estos trastornos heterogéneos y destaca aún más el poder del aprendizaje automático ”.
Mas información: Zhang, Y., et al. Identification of psychiatric disorder subtypes from functional connectivity patterns in resting-state electroencephalography. Nature Biomedical Engineering (2020). doi.org/10.1038/s41551-020-00614-8.
Nota original: Cohen Veterans Bioscience