El Hospital de Bellvitge (HUB), a través de la Unidad de TOC del Servicio de Psiquiatría, ha diseñado un modelo de aprendizaje automático capaz de crear pronósticos a largo plazo que permiten predecir la evolución del paciente. Se trata del primer estudio que utiliza el machine learning para cruzar la información clínica y cognitiva básica de pacientes con Trastorno Obsesivo Compulsivo (TOC), que han recibido seguimiento desde hace más de una década.
La investigación llevada a cabo por el hospital barcelonés ha estudiado los datos de 134 personas, de las cuales 60 son pacientes TOC del centro y las 74 restantes, voluntarias. El modelo de aprendizaje automático se ha nutrido con las variables clínicas y de rendimiento neuropsicológico de todas estas personas, que se han recogido desde el inicio del proyecto para obtener algoritmos cada vez más fiables. Desde la Unidad de TOC del HUB no descartan ampliar la muestra para perfeccionar dichos algoritmos.
El TOC afecta a más de 100 millones de personas en todo el mundo y es la décima patología más discapacitante, según la Organización Mundial de la Salud (OMS)
Como herramienta derivada de la inteligencia artificial, el machine learning ha elaborado pronósticos de pacientes con TOC a través de los conjuntos de datos y la creación de modelos de predicciones. Este hito podría contribuir a diseñar terapias más personalizadas para los pacientes, mejorando así la toma de decisiones de los especialistas y abriendo la posibilidad de anticiparse a posibles complicaciones.
Los resultados que ha arrojado el estudio refuerzan la idea de que el TOC es una patología mental de carácter crónico. Por otro lado, también ha revelado que dos de cada tres pacientes con Trastorno Obsesivo Compulsivo son resistentes a los tratamientos estandarizados, tales como la medicación, la terapia cognitiva conductual o la psicocirugía.
VIVIR CON TOC: DIAGNÓSTICOS QUE PUEDEN DEMORARSE HASTA 10 AÑOS
El Trastorno Obsesivo Compulsivo (TOC) es una enfermedad mental de carácter crónico que puede llegar a ser incapacitante. Su origen puede deberse a distintos factores y en mucho casos, está infradiagnosticada, con diagnósticos que pueden demorarse hasta 10 años. La mayoría de las personas con TOC comienzan a demostrar síntomas durante la infancia o adolescencia y es progresiva. Por ello, el diagnóstico temprano es clave para mejorar la evolución de la enfermedad.
La Organización Mundial de la Salud (OMS) considera el TOC como una de las enfermedades psiquiátricas más frecuentes, siendo la décima patología más discapacitante. Además, se estima que afecta a un amplio porcentaje de la población mundial: más de 100 millones de personas en el mundo sufren dicho trastorno mental, una cifra que representa al 3% del conjunto de la sociedad.
Los pacientes con esta patología presentan comportamientos obsesivos y repetitivos (compulsiones) como respuesta a pensamientos, imágenes o impulsos no deseados (obsesiones). Todo ello, unido a las conductas evitativas del paciente, genera un impacto en su calidad de vida que lleva asociado un grave sufrimiento emocional.
El algoritmo del HUB podría mejorar la toma de decisiones clínicas, aplicar terapias más personalizadas y anticiparse a posibles complicaciones en los pacientes
En el abordaje de la enfermedad, la terapia psicológica es el tratamiento más eficaz para mejorar los síntomas de TOC. Sin embargo, el nuevo modelo predictivo diseñado por la unidad especializada del Hospital de Bellvitge permitirá personalizar más las terapias para ajustarlas a las necesidades del paciente. Y, con ello, mejorar su evolución.
El aprendizaje automático o machine learning ya se había utilizado en el ámbito de la psiquiatría para el diagnóstico de enfermedades, predicciones de tratamiento o detección de biomarcadores potenciales. Y en concreto, en el estudio del TOC, también se había aplicado para predecir la remisión de los síntomas y los intentos de suicidio. Ahora, con el modelo de aprendizaje automático diseñado desde el Hospital de Bellvitge, se abre un nuevo horizonte para el diagnóstico y tratamiento de la enfermedad.