Psiquiatría Computacional en auge

Investigadores de inteligencia artificial desarrollan herramientas computacionales que ayudan a profesionales de la salud a caracterizar trastornos mentales alterados a través del discurso. Mediante un algoritmo de coherencia con clasificadores de aprendizaje automático, los científicos están pudiendo medir alteraciones en pacientes esquizofrénicos y predecir con efectividad qué pacientes tendrán un brote psicótico.

¿Es la mente un objeto de estudio abstracto e intangible? A diferencia de otras áreas de la medicina, la psiquiatría tiene una fuerte presencia de subjetividad, siendo esta subjetividad la característica central que tienen médicos, psiquiatras y psicólogos para obtener información del paciente. Se trata de los discursos del paciente, las decisiones que toma, las narraciones de su propio comportamiento y narraciones de familiares y amigos de este paciente y, desde ya, la propia subjetividad del médico al evaluar al sujeto considerando estas múltiples fuentes de información, que también incluye factores ambientales, demográficos y/o genéticos, entre otros. A pesar de no contar con esta objetividad o datos duros, desde la psiquiatría se indican medicamentos psicoactivos tanto o más fuertes que en otras áreas de la medicina, las cuales sí cuentan con información objetiva obtenida del paciente (Ej. la traumatología cuenta con ecografías, radiografías o resonancias; la cardiología dispone de electrocardiogramas y hemogramas; la medicina clínica solicita diferentes análisis de laboratorio sumados a la descripción del dolor del paciente, etc.). Para poder lidiar con un objeto tan inasible como la mente, la clínica psiquiátrica recurre a test y formularios estandarizados que le permiten describir esta información de forma más rigurosa.

En este contexto, la psiquiatría computacional ha emergido como un área interdisciplinaria relevante que utiliza diferentes modelos computacionales, en particular modelos de inteligencia artificial, para describir los estados mentales de pacientes y sujetos en general, apoyando a los profesionales que se desempeñan en salud mental. A fin de encarar su tarea, esta disciplina también se vale de diferentes producciones de la mente como ventana del conocimiento.

Desde hace algunos años, investigadores del Laboratorio de Inteligencia Artificial Aplicada (LIAA) del ICC (en conjunto con investigadores en Neurociencia de Exactas-UBA y a través de colaboraciones conjuntas con el Servicio de Psiquiatría de Fleni, la Universidad Torcuato Di Tella e IBM Watson Research Center) han encontrado una enorme oportunidad de trabajo, no sólo para bajar la cuota de apreciaciones subjetivas durante el relevamiento de diferentes aspectos de enfermedades mentales sino también para poder cuantificar los resultados de los experimentos.

Uno de los primeros casos de aplicación de modelos de aprendizaje automático fue en pacientes depresivos o bipolares en fase depresiva. Lo que se estudiaba era la calidad de las emociones expresadas por los sujetos (positivas o negativas) y su intensidad. Todo esto permitía inferir las características de un discurso depresivo”, puntualiza Facundo Carrillo, investigador del ICC en el LIAA. Carrillo comenzó con este tipo de estudios en neurociencia cognitiva en su tesis de licenciatura y luego los continuó (y evolucionó) en su doctorado.

El investigador señala que a partir de esta experiencia, junto a otros colaboradores, consideraron que era posible extraer información de otro tipo de discursos, en pacientes esquizofrénicos. “Empezamos a trabajar este tema con Diego Fernández Slezak (investigador del ICC y director del proyecto) en un principio pensando que sería importante contar con una herramienta que, de acuerdo a un texto o un audio, nos brinde una etiqueta de diagnóstico (esquizofrénico, bipolar, sano). Sin embargo, nos dimos cuenta que a los médicos no les interesaba esto sino más bien una herramienta que les ayude a integrar el diagnóstico computacional con su conocimiento e interpretación subjetiva. En definitiva, una extracción de características (feature extraction) que a través de un algoritmo indicara qué nivel de coherencia tiene el paciente, del 1 al 10”, comenta Carrillo, quien recientemente defendió su tesis de doctorado sobre Modelos computacionales para caracterizar estados mentales alterados.

En particular, existe una característica muy valiosa para estudiar computacionalmente la esquizofrenia: el discurso desorganizado (un discurso incoherente que salta de un tema a otro y responde preguntas de una manera no relacionada con el disparador). En muchas patologías, sobre todo las psicóticas, los pacientes inventan palabras (ej. “me enojé tanto que tomé un plato y lo arrojé al geshinker» o «así que casi grité todo”) o usan palabras comunes de manera extraña (ej. un bolígrafo denominado «patines de papel» o un reloj denominado «recipiente del tiempo”). Ante este escenario, los investigadores aplicaron técnicas de procesamiento del lenguaje natural (NLP) para desarrollar un algoritmo de coherencia que fuese capaz de medir los rasgos alterados en pacientes esquizofrénicos. El algoritmo interpreta lo más literalmente posible la noción de incoherencia antes mencionada pero para poder representar esas palabras usa word embedding, un modelo entrenado donde las palabras o frases del lenguaje pueden ser vinculadas a vectores de números reales, es decir “coordenadas”, para poder estudiar cuán cerca está una palabra o una frase de otra. Durante los experimentos realizados, este modelo ayudó significativamente a poder representar el nivel de coherencia en el discurso de cada paciente.

Carrillo comentó que hicieron una prueba de concepto del algoritmo en 20 pacientes y en 20 sujetos control, confirmando que la coherencia media era más baja en los pacientes esquizofrénicos y duplicando el nivel de acierto del tratamiento (indicación de fármacos) de un 40 a un 80%.

Facundo Carrillo

Al momento de desarrollar nuestro proyecto de investigación nos encontramos con dos grandes obstáculos: por un lado, las transcripciones hechas manualmente por personas eran muy costosas y agotadoras. La necesidad de incrementar la muestra de sujetos del experimento nos llevó a migrar hacia transcripciones automáticas como las de IBM o Google. Por otro lado, el algoritmo automático que usábamos tomaba los puntos de las frases como algo informativo, sin poder marcar diferencias entre una oración y otra y, a su vez, al aparecer un neologismo expresado por el paciente, el software ‘speech to text’ lo asociaba a la palabra que mejor conocía, con lo cual perdíamos información específica de ese discurso. Por ende, tuvimos que subsanar todos estos problemas ajustando el modelo de aprendizaje automático”, argumenta el investigador del ICC.

Los investigadores del LIAA escalaron el experimento a 34 pacientes del hospital de la Universidad de Columbia (EE. UU.). Les hicieron un seguimiento durante dos años y medio y, en ese tiempo, a 5 de esos pacientes se les diagnosticó esquizofrenia. Se indagó si había una diferencia en el discurso de estos pacientes respecto a cuando eran sanos, midiendo los niveles de coherencia en los textos analizados, y pudieron clasificar a los pacientes de alto riesgo y predecir cuáles generarían la patología y cuáles no, con un 100 % de efectividad. No obstante, como este experimento estaba hecho con pocos sujetos, lo repitieron con 59 pacientes más, pudiendo predecir el desenlace en esquizofrenia con un 83% de efectividad. “La publicación del primer experimento en 2015, en la revista Nature Partner Journal Schizofrenia, le dio un gran impulso al proyecto, posibilitando nuevas colaboraciones y resultados”, destaca Carrillo. El proyecto de investigación de Fernández Slezak y Carrillo se realizó interdisciplinariamente junto a Mariano Sigman (Director e Investigador del Laboratorio de Neurociencia Integrativa de la Universidad Torcuato Di Tella), Guillermo Cecchi (Director del Grupo de Psicología Computacional de IBM Watson Research Center) y a otros colaboradores esenciales como psicólogos, psiquiatras y lingüistas.

Publicaciones de alto impacto

Los resultados más relevantes de este proyecto pueden visualizarse en los siguientes papers que se publicaron en revistas de alto impacto en psiquiatría:

También está disponible el artículo Look who is getting into mental health research” de Thomas Insel (presidente del National Institute of Mental Health, EE.UU.) donde se menciona en forma destacada el trabajo de los investigadores del ICC.

Para más información de este tema, se puede leer el artículo (en castellano) de Facundo Carrillo “Psiquiatriapp”, publicado en El Gato y La Caja.

2019-11-01T13:51:52-03:00 1/noviembre/2019|Noticias|