Una investigación digirida por UT Southwestern ha identificado biomarcadores de imágenes cerebrales de resonancia magnética que brindan nuevos niveles de precisión para recetar los antidepresivos más efectivos.
Concretamente, los modelos predictivos de resultados se han desarrollado utilizando datos de un gran estudio multicéntrico financiado por el Instituto Nacional de Salud Mental. Los hallazgos proporcionan una fuerte evidencia de que el enfoque actual de prueba y error utilizado en la práctica clínica para la selección del antidepresivo adecuado puede reemplazarse con este nuevo enfoque de medicina de precisión.
Los investigadores han explicado que los nuevos biomarcadores podrían evitar que los pacientes que sufren de depresión severa tengan dos o tres meses de tomar la medicación incorrecta.
El estudio probó el fármaco antidepresivo común sertralina con un grupo de control que tomaba un placebo. Los pacientes que no respondieron a la sertralina después de ocho semanas se cambiaron al antidepresivo bupropión.
El estudio es una de las primeras adaptaciones del aprendizaje automático profundo a la predicción de resultados de antidepresivos
Los investigadores midieron los cambios en las reacciones del circuito cerebral mientras los participantes del estudio realizaban una tarea de recompensa en el escáner. Se realizó una resonancia magnética funcional no invasiva (fMRI) en más de 300 participantes para evaluar los cambios en la función cerebral en reposo y durante la tarea de recompensa.
NUEVOS MODELOS DE APRENDIZAJE AUTOMÁTICO
El estudio utilizó esos datos y nuevas innovaciones para construir nuevos modelos de aprendizaje automático que revelan a los científicos y médicos qué regiones y circuitos cerebrales específicos están asociados con la predicción de la respuesta al tratamiento a cada medicamento.
Así, según han asegurado los científicos, “los resultados son altamente creíbles porque los datos subyacentes que utilizó la investigación son ampliamente representativos de la heterogeneidad de los datos clínicos”.
El estudio es una de las primeras adaptaciones del aprendizaje automático profundo a la predicción de resultados de antidepresivos. "Es una clara mejora de los enfoques de predicción estándar que se utilizan actualmente. También hemos llegado a un punto en el que nuestros hallazgos son estables y pueden proporcionar un camino para el trabajo futuro", han señalado los investigadores.
"El enfoque analítico que hemos desarrollado se puede adaptar fácilmente para identificar firmas de biomarcadores y predecir resultados para otros tratamientos de la depresión, tanto farmacológicos como no farmacológicos", han asegurado.
Por todo ello, los investigadores buscarán fondos adicionales para avanzar en la investigación y ver si es compatible con los biomarcadores sanguíneos.