Un equipo de científicos e investigadores quiere utilizar machine learning o aprendizaje automático —técnicas que permiten que las computadoras aprendan— para comparar los cerebros de personas sanas con los de personas con trastornos de salud mental y, en base a esa información, realizar diagnósticos o incluso encontrar causas físicas subyacentes. Aunque su objetivo final, afirman, es poder ofrecer tratamientos más efectivos para cualquier enfermedad mental.

Las trastornos psicológicos afectan a una parte considerable de la población mundial. Según la OMS, sólo la depresión afecta a 300 millones de personas, siendo una de las principales causas de discapacidad en todo el mundo. Mientras que el trastorno bipolar estiman que está presente en aproximadamente 60 millones de personas y la esquizofrenia en 23 millones.

Actualmente los diagnósticos se hacen en base al Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM), utilizado por médicos e investigadores para diagnosticar y clasificar enfermedades. Pero surgen las siguientes preguntas: ¿es ésta la mejor manera de realizar un diagnóstico? ¿alcanza con una serie de síntomas categorizados o se podría mejorar?

Psiquiatría computacional

El Instituto de Investigación Biomédica Fralin cuenta con el Laboratorio de Neuroimagen Humana donde se trabaja en la psiquiatría computacional, aquella disciplina que aplica las herramientas de la informática a la psiquiatría, con la intención de lograr una comprensión más basada en datos de las enfermedades mentales.

Cuantificar cómo uno se siente es algo totalmente subjetivo, lo que hace al diagnóstico más proclive a imprecisiones. Lo que una persona considera un 3 en una escala de tristeza del 1 a 10, por ejemplo, podría ser el 7 de otra persona o el 10 de otra; y nadie estaría equivocado. Pero los trastornos de salud mental también tienen síntomas físicos y medibles, por ejemplo, mediante imágenes por resonancia magnética funcional (fMRI). Combinar neuroimágenes con otros datos podría servir para entrenar a un algoritmo de aprendizaje automático que sea capaz de diagnosticar trastornos con rapidez y precisión.

Lo que tenemos hasta ahora no está funcionando

Pearl Chiu, investigadora en el Laboratorio de Neuroimagen Humana y profesora de psicología, cree que utilizar computadoras para encontrar patrones puede ser la solución. "Trabajando con pacientes me sentí frustrada al notar lo poco que sabíamos sobre lo que estaba sucediendo. Lo que tenemos ahora simplemente no está funcionando", afirma.

Encuestas, información sobre comportamientos, datos del habla extraídos de entrevistas y evaluaciones psicológicas podrían "alimentar" algoritmos de aprendizaje automático para establecer conexiones entre todos esos datos e información neurológica obtenida mediante fMRI. De esta manera, una máquina aprende qué partes del cerebro se iluminan con determinados estímulos y puede encontrar patrones en nuestros comportamientos sociales o ver si, por ejemplo, un tratamiento en particular está resultando efectivo.

Esto traería grandes ventajas. Por un lado, podría ayudar a que los pacientes tengan un mejor tratamiento. Distintos tipos de depresiones se manifiestan en diferentes áreas del cerebro, y los datos obtenidos servirían de guía para saber si el tipo específico de depresión de una persona responde regularmente bien a la terapia o se trata mejor con medicamentos. Lo mismo con otras enfermedades.

Por otro lado, encontrar los síntomas físicos asociados a trastornos psicológicos podría ayudar a desestigmatizar. Al poder diagnosticar la depresión, el trastorno bipolar o la esquizofrenia objetivamente y de manera similar a, por ejemplo, una enfermedad cardíaca, ¿segurían las personas con enfermedades mentales teniendo que enfrentarse al estigma público y las consecuencias que esto tiene para sí mismos?

Racismo y sesgos de género

La psiquiatría tiene un largo historial de estereotipos de género que continúa hasta el día de hoy: ser mujer aumenta las probabilidades de que te receten drogas psicotrópicas, incluso teniendo puntajes similares en medidas estandarizadas para una enfermedad o cuando se presentan síntomas idénticos que los hombres. 

La raza, por su parte, también tiene un rol en el tratamiento médico. Un estudio de 2016 de la Universidad de Virginia descubrió que los estudiantes de medicina tenían ideas falsas ridículas —y potencialmente peligrosas— sobre las personas negras. 

En conclusión, dado que los seres humanos no somos imparciales, estos sesgos se verían reflejados en los algoritmos que escribimos y este sería entonces, otro desafío a tener en cuenta.