Investigadores canadienses diseñaron una herramienta que permitiría la utilización del llamado aprendizaje automático para detectar los primeros síntomas de la esquizofrenia. El avance es un paso adelante en el desarrollo de nuevas terapias y procedimientos para prevenir, paliar y tratar la enfermedad que, según algunas estimaciones, afecta a cerca del 1% de la población mundial. Esta nueva herramienta, diseñada por científicos de la Universidad de Alberta, aplicó la inteligencia artificial para analizar las imágenes de resonancia magnética del cerebro de familiares de personas con esquizofrenia. El procedimiento permitió identificar a aquellos individuos que presentaban rasgos de personalidad esquizoide.
El dispositivo, al que se bautizó EMPaSchiz, por las siglas en inglés de “Algoritmo de conjunto con múltiples parcelas para la predicción de la esquizofrenia” (Ensemble algorithm with Multiple Parcellations for Schizophrenia prediction), ya había resultado eficaz en la predicción de diagnósticos de esquizofrenia con una efectividad del 87 por ciento. EMPaSchiz es un algoritmo que aprende, a partir de un conjunto de entrenamiento que abarca a pacientes con esquizofrenia y personas sanas, un modelo que predice si un individuo tiene esquizofrenia, basándose en las características extraídas de sus imágenes de resonancia magnética en estado de reposo.
El modelo “aprendido” fue aplicado a familiares de primer grado de personas con esquizofrenia, quienes no presentaron signos activos de la enfermedad, pero que en algunos casos el procedimiento calificó como pacientes, al detectarles «puntuaciones de personalidad esquizotípica», que permite hablar de una probabilidad más alta de contraer el mal respecto de individuos considerados sanos. Los expertos sostienen que las pruebas demostraron el potencial de los modelos de diagnóstico aprendidos por máquinas, para predecir la vulnerabilidad de una persona respecto a una enfermedad específica, aún cuando no presente síntomas evidentes de la misma.
El modelo de diagnóstico fue “aprendido” por una máquina entrenada en un conjunto de datos independientes de 81 pacientes de esquizofrenia, en estado de reposo, sin antipsicóticos y 93 controles sanos. La experiencia llevó a los investigadores a postular la hipótesis de que los familiares de primer grado que fueron predichos por el modelo para tener el estado de esquizofrenia, es decir falsos positivos (FP), tendrán puntuaciones esquizotípicas significativamente más altas, frente a los que el aprendizaje automático predijo como estado de no esquizofrenia, es decir verdaderos negativos (VN).
El objetivo perseguido con el algoritmo es ayudar a producir diagnósticos tempranos en casos posibles de esquizofrenia, estudiar el proceso mismo de la enfermedad y colaborar en la identificación de grupos de síntomas. Según los responsables, el mismo procedimiento podría aplicarse para desarrollar algoritmos que permitan predecir indicadores como la mortalidad o el momento en el que un paciente podría sufrir una recaída debida a una dolencia ya tratada.
El aprendizaje automático es definido como una rama de la inteligencia artificial que tiene como objetivo desarrollar procedimientos que le permitan a una computadora “adquirir” conocimiento. Los programas informáticos diseñados para este fin son capaces de crear un patrón o generalización de comportamientos a partir de la información que obtienen de un conjunto cuantioso de ejemplos. Si bien la expresión “aprendizaje” relacionado con las máquinas sigue causando rechazo en mucha gente, ya que la acción de adquirir conocimientos se relaciona con seres vivientes, específicamente los humanos, en realidad se trata de un proceso por el cual se induce a las computadoras a seguir un procedimiento en base a la reiteración de la información y pueda dar un diagnóstico fiable sin la necesidad de la intervención y supervisión de las personas.