La inteligencia artificial puede ayudar a combatir la depresión
La depresión es una condición que parece simple de reconocer pero realmente tiene unos orígenes complejos que no se entienden completamente. Ahora, el aprendizaje automático -machine learning- puede permitir a los científicos conocer algunos de los misterios que tiene esta enfermedad con el objetivo de proporcionar un mejor tratamiento. La depresión mayor es el resultado de una combinación de factores genéticos, ambientales y psicológicos, que provocan una larga lista de síntomas, como fatiga o falta de concentración. Una vez diagnosticada, los pacientes pueden recibir una terapia de comportamiento cognitivo o diferentes medicamentos para ayudar a aliviar su condición. Pero no todos los tratamientos funcionan para todos los pacientes, ya que los síntomas pueden variar ampliamente.
Recientemente, muchos investigadores de inteligencia artificial han comenzado a desarrollar maneras de aplicar el aprendizaje de máquinas -o aprendizaje automático- a situaciones médicas. Pretenden ser capaces de detectar las tendencias médicas a través de enormes conjuntos de datos que los seres humanos nunca serían capaces de utilizar para diagnosticar otros pacientes. El New Yorker publicó recientemente un ensayo particularmente interesante sobre el uso de esta técnica para realizar diagnósticos de las exploraciones médicas y estos enfoques están siendo utilizados ahora para lograr más conocimiento sobre la depresión.
Un estudio publicado en Psychiatry Research a principios de este año mostró que los datos proporcionados por la resonancia magnética pueden ser analizados por los algoritmos de aprendizaje automático para establecer la probabilidad de que alguien sufra esta enfermedad. Al identificar diferencias sutiles en las exploraciones de las personas que estaban y no estaban enfermos, el equipo encontró que eran capaces de identificar qué pacientes sufrían un trastorno depresivo mayor con estas imágenes por resonancia magnética con aproximadamente el 75% de exactitud. Quizás lo más interesante es que los investigadores del Weill Cornell Medical College están siguiendo un camino similar para identificar los diferentes tipos de depresión. Al tener algoritmos de aprendizaje automático que interrogan los datos capturados cuando el cerebro está en un estado de reposo, los científicos han sido capaces de clasificar cuatro subtipos diferentes de la condición que se manifiestan como diferentes mezclas de la ansiedad y la falta de placer.
No todos los intentos para inferir tales diagnósticos con las imágenes por resonancia magnética han tenido éxito en el pasado. Sin embargo, el uso de la inteligencia artificial proporciona mejores probabilidades de detectar estas diferencias que cuando médicos individualmente estudian los escaneos. Por lo menos, los experimentos dan peso a la idea de que hay diferentes tipos de depresión. El enfoque podría ser sólo una parte de un esfuerzo más amplio para utilizar la máquina de aprendizaje para detectar sutiles pistas relacionadas con la enfermedad. Los investigadores del Centro Médico Langone de la Universidad de Nueva York, por ejemplo, están usando técnicas de aprendizaje automático para seleccionar patrones vocales que son particulares de las personas con depresión.
Otro estudio reciente llevado a cabo por investigadores de la Universidad de Emory, encontró que el aprendizaje de máquinas era capaz de identificar diferentes patrones de actividad cerebral en las exploraciones de resonancia magnética funcional que se correlacionaron con la eficacia de diferentes formas de tratamiento. En otras palabras, puede ser posible usar inteligencia artificial no sólo para identificar tipos únicos de la depresión, sino también para establecer la mejor forma de tratarlos. Tales enfoques están todavía muy lejos de proporcionar resultados clínicamente relevantes, pero sí demuestran que puede ser posible identificar mejores formas de ayudar a los enfermos en el futuro.
Mientras tanto, algunos investigadores también están intentando desarrollar inhibidores de la aromatasa para asegurar que la depresión no conduce a resultados trágicos como el suicidio. El mes pasado, por ejemplo, Wired informó que científicos de la Universidad del Estado de Florida habían desarrollado un software de aprendizaje de máquinas que analiza los patrones en los registros de salud de los pacientes que pueden estar en riesgo de pensamientos suicidas. En el mismo sentido Facebook afirma que puede hacer algo similar mediante el análisis de contenido de los usuario, pero queda por ver hasta qué punto son eficaces sus intervenciones.
