Investigadores españoles logran detectar a pacientes con depresión mediante ‘machine learning’
Investigadores del Grupo Multidisciplinar de Investigación en Trastornos Afectivos, del Departamento de Psiquiatría de la Universidad Autónoma de Madrid (UAM), han demostrado que es posible predecir el diagnóstico de depresión y su tipología clínica a partir de marcadores inmunometabólicos y hábitos de vida, utilizando técnicas de aprendizaje automático (machine learning).
La depresión es una enfermedad común que afecta aproximadamente al 4% de la población mundial, siendo una de las principales causas de discapacidad. A pesar de que existen tratamientos efectivos, un alto porcentaje de pacientes pueden sufrir episodios recurrentes y muchos de ellos son resistentes al tratamiento.
La heterogeneidad de los síntomas de depresión dificulta la identificación de los mecanismos fisiopatológicos de esta enfermedad. Un marco conceptual prometedor para poder llegar a comprender sus mecanismos fisiopatológicos es el estudio de la desregulación inflamatoria, apuntando teorías recientes a una asociación entre alteraciones inmunometabólicas y subtipos específicos de depresión.
Los investigadores realizaron un estudio, publicado en Neuro-Psychopharmacology and Biological Psychiatry, donde realizan una clasificación de pacientes con trastorno depresivo mayor a partir de variables de tipo inmunometabólico (por ejemplo, la proteína C-reactiva, el colesterol, los triglicéridos, el nivel de azúcar en sangre, la presión arterial y la medida de cintura) así como de variables relacionadas al estilo de vida (por ejemplo, los hábitos de consumo de tabaco y alcohol y realización de ejercicio físico).
Maching learning y grupos de pacientes
Los métodos de aprendizaje automático permiten desarrollar modelos que pueden contribuir a crear grupos de pacientes más homogéneos. En este estudio se evaluaron un total de 171 participantes, de los cuales 91 eran pacientes con depresión y 80 controles sanos. Teniendo en cuenta las variables anteriormente citadas, se logró clasificar de manera óptima a los pacientes frente a controles sanos y a los pacientes según su sintomatología y su respuesta al tratamiento.
Según los autores del estudio, «estos resultados confirman la importancia de las variables inflamatorias y metabólicas en la depresión. Las alteraciones inflamatorias que presentan los pacientes con trastorno depresivo mayor podrían ser consecuencia de una hiperactivación del eje hipotalámo-hipofiso-adrenal motivada por el estrés crónico, impactando en la producción de proteínas proinflamatorias y agentes oxidativos«.
Por otro lado, respecto al estado metabólico, el riesgo de depresión es de aproximadamente el 50% en presencia de obesidad abdominal. La adiposidad abdominal se caracteriza por la acumulación de grasa visceral, más relacionada con desregulaciones metabólicas y con un mayor efecto sobre la inflamación.
Respecto al estilo de vida, el estudio ha puesto de manifiesto que tanto el consumo de alcohol como el ejercicio físico son importantes a la hora de clasificar a los sujetos con diagnóstico de depresión, siendo también determinantes en la clasificación de los subtipos depresivos.
Estos resultados tienen implicaciones importantes en entornos clínicos, ya que la identificación de estilos de vida poco saludables y de trastornos inmunometabólicos puede guiar y ayudar en el manejo de la depresión clínica, ya que puede servir para diferenciar entre sujetos sanos y pacientes con trastorno depresivo.
- Fuente: Universidad Autónoma de Madrid (UAM)
- Foto: Pixabay
