El aprendizaje automático tiene el potencial de contribuir al diagnóstico psiquiátrico y la predicción de acontecimientos, como el suicidio o el desarrollo de enfermedades mentales en personas de riesgo. Pero el valor de las aplicaciones independientes en el tratamiento de pacientes gravemente enfermos aún no se ha demostrado.
En teoría, el aprendizaje automático y las tecnologías digitales pueden proporcionar altos estándares de diagnóstico y atención individualizada a los pacientes, y un importante ahorro de costos. En la práctica, todavía estamos lejos de lograrlo, pero, como pudieron oír los asistentes al congreso virtual del ECNP de 2020, existen señales prometedoras.
Durante el simposio sobre aprendizaje automático, Dina Popovic, del Sheba Medical Centre, Tel HaShomer, Israel, comentó que uno de esos signos es que un análisis semántico automatizado de diez minutos de expresión libre puede diferenciar de forma sensible y específica a los pacientes psiquiátricos de los controles. Esto sigue a la prueba de que el aprendizaje automático, por ejemplo, puede utilizar el análisis del discurso para identificar afecciones psiquiátricas comórbidas en pacientes con epilepsia.1
Los datos de los smartphones pueden utilizarse como biomarcador electrónico de la actividad de la enfermedad
Monitorización de la actividad de la enfermedad en la vida real
Otros indicios prometedores provienen del estudio MONARCA, un estudio que recopiló objetivamente datos de llamadas entrantes y salientes y mensajes de móviles de personas con trastorno bipolar, que mostraron una buena correlación con las puntuaciones obtenidas por los pacientes en escalas de evaluación clínica de la depresión y la manía.2 Los datos de los teléfonos también distinguieron los diferentes estados de ánimo.
Otro grupo investigador ha desarrollado un modelo de aprendizaje automático que utiliza datos sobre el estado de ánimo diario obtenidos mediante una aplicación de móvil para distinguir entre controles sanos y pacientes con trastorno bipolar o trastorno límite de la personalidad.3
Inicios de las aplicaciones terapéuticas independientes
Diego Hidalgo-Mazzei, del Hospital Clínic de Barcelona, Catalunya, España, afirmó que la evidencia actual indica que las aplicaciones tienen un valor potencial como intervenciones independientes en pacientes con depresión o ansiedad leve o moderada. Pero en la depresión recurrente o grave, la esquizofrenia y el trastorno bipolar, el beneficio de las aplicaciones solo se ha probado cuando se utilizan como complemento o en combinación con un enfoque tradicional.
Las aplicaciones de tratamiento no se pueden recomendar como una intervención independiente en problemas graves de salud mental
El Profesor Hidalgo-Mazzei explicó que en un metaanálisis de ensayos clínicos controlados y aleatorizados en pacientes con depresión, el efecto positivo de las intervenciones mediante teléfono móvil fue moderado, en comparación con los controles inactivos, y pequeño, en comparación con los controles activos. En la mayoría de casos, las aplicaciones se utilizaron como tratamiento adicional. 4
En otro metaanálisis de aplicaciones independientes para la depresión, solamente se observó un pequeño efecto general sobre los síntomas.5
Para concluir, a pesar de que algunos ensayos han mostrado el potencial de las aplicaciones de móvil para los síntomas de salud mental, la evidencia actual no justifica su recomendación como intervención psicológica independiente.
Predicción de acontecimientos inusuales
Durante el turno de preguntas, el Profesor Popovic sugirió que el aprendizaje automático podría contribuir al diagnóstico psiquiátrico objetivo, a la evaluación del riesgo de suicidio y a la identificación de niños en riesgo que podrían presentar problemas de salud mental.
Respecto al tratamiento, el veredicto fue que el valor de las aplicaciones por sí solas en pacientes graves todavía no se ha demostrado.
Our correspondent’s highlights from the symposium are meant as a fair representation of the scientific content presented. The views and opinions expressed on this page do not necessarily reflect those of Lundbeck.
This content does not necessarily represent the opinion of ECNP.
