El machine learning más cerca de descubrir el origen de la depresión

en
Compartir:
www.seox.es | seox@seox.es | 656545123 | SEO y Posicionamiento en Bilbao: #seox #seobilbao #posicionamientobilbao #paginaswebbilbao

¿Por qué crees que ves mi página y no la de la competencia?

Porque sabemos posicionar y conseguimos visibilidad en Internet

Posicionamiento SEO

Hosting Servidores SSD

Diseño de páginas web

Envíame un email con tu consulta o mejor hablamos por teléfono:

Josean | seox@seox.es  |  656 545 123  🙂

 

Un nuevo estudio analiza datos de resonancias magnética de pacientes con depresión y ansiedad social para ayudar a avanzar en el tratamiento y comprensión de estos trastornos.

El desarrollo de la inteligencia artificial avanza a pasos agigantados, convirtiéndose en una de las tecnologías clave durante este año y de cara a 2018. La IA es capaz de predecir el éxito de una startup o el riesgo de padecer diabetes gracias a herramientas como el machine learning.

Machine learning, o aprendizaje automático, es la única área que ha demostrado que funciona dentro de la IA, tal y como nos comentaba en una entrevista Francisco Martín, CEO de BigML. ¿Cómo funciona esta tecnología? “El machine learning es un conjunto de algoritmos capaces de analizar datos en múltiples dimensiones a los cuales se les saca un patrón y luego se pueden hacer predicciones. Nos permite estudiar volúmenes de datos que nuestro cerebro es incapaz de analizar de forma eficiente”, argumentaba el experto.

Aprendizaje automático para un diagnóstico personalizado

En este escenario, el machine learning resulta ser de gran utilidad dentro de la medicina. De hecho, la inteligencia artificial aplicada al aprendizaje automático puede ser capaz de predecir la depresión en los pacientes. A la hora de combatir la enfermedad, los médicos establecen unos patrones con síntomas comunes, pero cada paciente necesita un tratamiento personalizado. Es en este punto donde entra en juego la inteligencia artificial.

Un estudio publicado en Psychiatry Research demostró que es posible identificar qué pacientes serían depresivos a través de imágenes obtenidas por resonancia magnética y su posterior análisis a través del machine learning. Por otra parte, la Universidad de Emory (EE.UU.) también llevó a cabo otro estudio que utilizaba el análisis de las imágenes de resonancia magnética para establecer patrones de actividad cerebral cuando el paciente está en tratamiento.

Diferencias y similitudes utilizando resonancia magnética

Existen similitudes y vínculos clínicos entre la depresión y la ansiedad, así lo ha demostrado un reciente estudio presentado en la reunión anual de la Sociedad Radiológica de América del Norte (RSNA). Incluso comparten una cantidad considerable de síntomas clínicos, aunque haya habido poca comparación directa de la estructura del cerebro, según el doctor Youjin Zhao de la Universidad de Sichuan en Chengdu(China).

Zhao y su coautor, el doctor Su Lui, han trabajado juntos para observar mejor las diferencias estructurales y las similitudes en el cerebro utilizando la resonancia magnética, y, a través de su análisis, han podido observar anomalías cerebrales en la materia gris y evaluar el grosor de la corteza.

El estudio ha utilizado imágenes de 37 pacientes con trastorno depresivo, 24 con trastorno de ansiedad y 41 personas sanas. Sus hallazgos proporcionan una evidencia preliminar de cambios comunes y específicos de la sustancia gris en pacientes con ambos trastornos. “Los estudios futuros con tamaños de muestra más grandes, combinados con análisis de aprendizaje automático, pueden ayudar más al valor diagnóstico y pronóstico de la resonancia magnética estructural”, señalaba el autor del estudio en un comunicado.

Las diferencias son aún notables. Dentro de los pacientes, el equipo observó anormalidades en la materia gris de las redes de atención dorsal y saliencia del cerebro. Además, observaron espesores corticales variados que “pueden reflejar un mecanismo compensatorio relacionado con la inflamación u otros aspectos de la fisiopatología”, comentaba Zhao. En este sentido, un mayor espesor cortical “podría ser el resultado tanto de los esfuerzos continuos de afrontamiento como de los intentos de regulación de los pacientes”.

La investigación adicional y la exploración en la fisiología de estos trastornos conducirá a terapias aplicables, aunque se requiere un trabajo longitudinal adicional en muestras más grandes para sacar conclusiones más robustas.

La IA es un campo que no deja de sorprendernos y, por el momento, la aplicación del machine learning en trastornos como la depresión muestra resultados esperanzadores.

SIGUE LEYENDO… Ir a la fuente / Author: Elena Díaz Sánchez – Aguilera