Este siglo, que será conocido como el siglo del cerebro, nos brinda la oportunidad diaria de conocer los avances científicos en la aproximación de la investigación mundial al conocimiento de las estructuras que lo componen, así como de sus desórdenes, calificados globalmente como enfermedades mentales, que se detallan en una clasificación mundial (DSM-5) de utilidad extraordinaria para los profesionales que las diagnostican y tratan.
Desde 1995 he publicado en mi primer blog numerosos artículos y un libro sobre la inteligencia digital, con el objetivo claro de divulgar científicamente el conocimiento pormenorizado del cerebro. En esta ocasión me refiero a la publicación reciente en Nature’s partner journal, Schizophrenia, de un artículo, Liaoning stable and predictive network-based paternos of schizophrenia and its clinical symptoms (1), que revela los avances científicos en el conocimiento predictivo de las causas y síntomas de esta enfermedad, mediante la utilización de imágenes de resonancia magnética funcional (fMRI), con la metodología que aplica la Red Federada de Investigación de Informática Biomédica (FBIRN)(2).
Esta red, que utiliza obviamente la fMRI, realiza estudios multiescáner con dos objetivos principales: 1) evaluar las principales fuentes de variación en estudios de fMRI en escáneres, incluyendo instrumentos, protocolos de incorporación de datos (anónimos) y objetivos claros en relación con las tareas y métodos de análisis a contemplar; 2) proporcionar una infraestructura de red distribuida y una base de datos federada y asociada que permita consultar grandes bancos de datos clínicos y de imágenes fMRI localizadas en múltiples sitios.
Esta investigación se ha llevado a cabo por la colaboración estrecha entre la multinacional IBM y la Universidad de Alberta, en Edmonton (Canadá), que han publicado como noticia de amplia divulgación mundial la citada colaboración al haberse obtenido resultados sorprendentes por la utilización de una máquina que aprende y ejecuta algoritmos que permiten predecir la esquizofrenia con un índice del 74% de aciertos. Se utiliza inteligencia artificial (IA), en un esquema científico de psiquiatría computacional, que permite desarrollar técnicas y protocolos que conducen a la predicción, todavía incipiente, de este tipo de enfermedad: “Este análisis retrospectivo demostró también que la tecnología predice la severidad de los síntomas específicos en los pacientes de esquizofrenia con correlación significativa, basado en las correlaciones entre la actividad observada en diferentes regiones del cerebro. Esta investigación pionera también podría ayudar a los científicos a identificar biomarcadores de neuroimagen objetiva más confiables que podrían utilizarse para predecir la esquizofrenia y su severidad”.
El Dr. Serdar Dursun, profesor de Psiquiatría y neurociencia en la Universidad de Alberta ha manifestado al respecto que “Este enfoque multidisciplinar único, innovador, abre nuevas perspectivas y avances en nuestra comprensión de la neurobiología de la esquizofrenia, que puede ayudar a mejorar el tratamiento y manejo de la enfermedad”, porque “Hemos descubierto una serie de importantes conexiones anormales en el cerebro que pueden ser exploradas en el futuro mediante estudios y modelos de AI que nos permiten dar un paso más para encontrar patrones objetivo basados en la neuroimagen, como marcadores diagnósticos y pronósticos de la esquizofrenia”.
Los resultados de la investigación de IBM y la Universidad de Alberta han demostrado que revisando múltiples datos de neuroimágenes localizadas en múltiples sitios facilitados por la FBIRN (diferentes máquinas y diferentes grupos de sujetos sometidos a este examen), el algoritmo de aprendizaje automático mediante técnicas de IA era capaz de discriminar entre pacientes con esquizofrenia y el grupo de control con un 74% de precisión utilizando las correlaciones de actividad a través de diferentes áreas del cerebro.
Lo más interesante de esta investigación es deducir de ella la importancia extrema de los recursos digitales en la predicción de esta enfermedad, con aplicación estricta y corporativa de política digital gubernamental. Por ejemplo, se podría hacer un seguimiento exhaustivo, con fuentes múltiples y comparadas, de la severidad de los síntomas después de que se hayan manifestado en el paciente, tales como la falta de atención, comportamientos extraños y trastornos formales del pensamiento, así como la pobreza del habla y la falta de motivación. Se podría hablar ya de diagnósticos digitales, no solo analógicos y, además, de amplio espectro: “La predicción de la gravedad de los síntomas podría conducir a una caracterización más cuantitativa, basada en la medición de la esquizofrenia; ver la enfermedad en un espectro, en contraposición a una etiqueta binaria de diagnóstico o no diagnóstico”. De esta forma se podrían llegar a personalizar de forma muy concreta los tratamientos de cada paciente en particular.
Existe una iniciativa muy interesante en el Instituto Nacional de Salud Mental en Estados Unidos (NIMH), denominada Criterios de Dominio para la Investigación (Research Domain Criteria, RDoC) a la que también se alude en el artículo de referencia, que abre un mundo increíble en el diagnóstico de las enfermedades mentales con utilización de técnicas digitales de amplio espectro: “[…] enfatiza la importancia de medidas objetivas en psiquiatría. Este campo, referido a menudo como “Psiquiatría computacional”, pretende utilizar la tecnología moderna y los bancos de datos que permitan mejorar decisiones médicas basadas en evidencias en psiquiatría, un campo que a menudo se basa en métodos de evaluación meramente subjetiva”.
Se abren unas puertas muy concretas al campo extenso del conocimiento del cerebro y sus disfunciones de amplio impacto en la sociedad. Se puede comenzar también un estudio apasionante sobre otras enfermedades mentales, tales como la depresión o el trastorno de estrés postraumático, entre otras patologías invalidantes para cualquier ser humano que las sufra. Bienvenidas estas noticias del mundo digital que justifican el aserto de Pierre Teilhard de Chardin en el que tanto creo y trabajo desde la perspectiva digital: el mundo sólo tiene interés hacia adelante.
Sevilla, 24/VII/2017
NOTA: la imagen ha sido recuperada hoy de https://www.ualberta.ca/science/science-news/2017/july/machine-learning-enables-new-insight-into-schizophrenia
(1) Gheiratmand, M. et al. Learning stable and predictive network-based patterns of schizophrenia and its clinical symptoms. NPJ Schizophr 3, 22, doi:10.1038/s41537-017-0022-8 (2017). http://rdcu.be/r1Zy
(2) https://www.ncbi.nlm.nih.gov/pubmed/26364863
"El mundo sólo tiene interés hacia adelante…", Pierre Teilhard de Chardin 