Equipo liderado por investigadora chilena creó algoritmo para predecir probabilidad de desarrollar esquizofrenia

Un equipo de académicos de la Facultad de Medicina de la U. de Chile, liderado por la lingüista y profesora del Departamento de Psiquiatría Sur Alicia Figueroa-Barra, creó un innovador algoritmo, el cual, mediante la identificación de biomarcadores en el relato hablado, busca predecir probabilidad de desarrollar esquizofrenia.

La iniciativa fue plasmada en el artículo “Automatic language analysis identifies and predicts schizophrenia in first-episode of psychosis”, publicado el 1 de junio de 2022 en Nature Schizophrenia, una de las revistas de mayor relevancia en el área.

El trabajo recoge el análisis de 133 entrevistas abiertas que se realizaron tanto a personas sanas como a individuos que tuvieron su primer episodio de psicosis, y a pacientes ya diagnosticados con esquizofrenia. Para eso, las y los investigadores transcribieron de forma manual todas las entrevistas clínicas y de tipo fenomenológico «para hacer un pre procesamiento con el fin de extraer algunas palabras que generan ruido en el modelo», el cual contaba con una versión previa basada en la tesis doctoral de la académica.

Desde hace unos diez años, explica la también postdoctorada del Instituto de Neurociencia Biomédica e investigadora del Núcleo Milenio para Mejorar la Salud Mental de Adolescentes y Jóvenes (Imhay), se está incorporando el lenguaje como parte de la evaluación clínica del paciente psiquiátrico, «no solamente como la dimensión comunicativa del sujeto, sino como parte de sus síntomas».

En ese sentido, como destaca la profesora Figueroa-Barra, este trabajo es relevante «no sólo porque está en línea con lo último que se está investigando en psiquiatría en muchos lugares en el mundo, sino que también es el primero que se hace con hispanohablantes». El modelo, además, está ajustado no solo al castellano, sino también a nuestra variable dialectal, es decir, al español de Chile. 

En cuanto a la creación del algoritmo para el análisis automático, otro de los participantes es el profesor Mauricio Cerda, ingeniero en computación y especialista en procesamiento de señales e imágenes. El experto explica que una medición «manual» de la información «tiene mucha variabilidad», por lo cual «vimos cómo sistematizar las diferencias entre los grupos estudiados –sanos, primer episodio y crónicos-, para ver si son estadísticamente significativas y ahí probamos una serie de variables”.

El valor predictivo de la coherencia semántica

Las variables estudiadas por el equipo fueron agrupadas en tres ámbitos: fluidez verbal, productividad verbal y coherencia semántica. La primera, apunta a la continuidad discursiva e incluye elementos como pausas y vacilaciones; y es que los silencios generalmente se reconocen como parte de trastornos formales del pensamiento en el examen del estado mental, «en particular si duran más de dos segundos y la frecuencia de aparición por unidad de tiempo», explica el profesor Cerda.

En tanto, la productividad verbal se refiere a la capacidad de pronunciar una serie de palabras y oraciones, tales como el número total de palabras y diferentes palabras por oración, longitud promedio de palabra y determinante o recuento de pronombres. En pacientes con esquizofrenia se considera una característica inherente una productividad verbal baja o pobreza de expresión.  

La coherencia semántica consiste en la organización lógica de significado en el discurso a través de estructuras lingüísticas interrelacionadas. Por ejemplo, «las personas con esquizofrenia cambian de tema de conversación abruptamente; pasan de responder lo que se les pregunta a hablarte de su perro o de cualquier otra cosa, sin que haya una continuidad entre medio», dice el profesor Cerda.

Además, «el uso erróneo y laxo de palabras o expresiones afecta la concordancia y comprensión del habla, por lo que el oyente tiene que hacer un esfuerzo para entender», agrega la profesora Figueroa.

De esta forma, más que analizar palabras específicas, estudiaron un conglomerado de rasgos de importancia. Así, hicieron estimaciones de qué tan denso es el vocabulario dependiendo de la cantidad de veces que se repite una palabra en determinado contexto o tiempo. Como detalla el profesor Cerda, en los tres niveles hay características que son más importantes que otras, «porque en una persona con esquizofrenia lo que está alterado es la estructura de pensamiento, que se refleja de diferentes maneras. Pero en cuanto hacer posible predecir si es que una persona con primer episodio psicótico va a derivar en esquizofrenia, la coherencia es un factor mucho más significativo que otros».

Al tener las características definidas, detalla Cerda, «entrenamos un algoritmo de clasificación automático con un primer subconjunto de entrevistas y después medimos la exactitud en un subconjunto distinto de entrevistas. Este algoritmo también nos informa qué variables son más relevantes en la predicción. Concretamente es un grupo de árboles de decisiones, en donde la coherencia es la característica que está más arriba en ese árbol».

Llamativos resultados

En un análisis longitudinal y para predecir qué pacientes con primer episodio psicótico se convertirían o no en pacientes con esquizofrenia, los investigadores compararon los resultados de aplicar el análisis del lenguaje respecto de estudiar a los mismos grupos sólo en base a datos demográficos o sus respuestas en pruebas PANSS -escala de los síndromes positivo y negativo, uno de los instrumentos más utilizados por especialistas para valorar la sintomatología de los pacientes con esquizofrenia- o a todos estos factores combinados entre sí. 

«Usando solo información demográfica del paciente, los resultados fueron malos: 43,33% de exactitud; pero mejoraron al cruzarlo con la información del PANSS, llegando a 65,83%. La información de PANSS, por sí sola, permitió una precisión de exactitud del 67,5%; curiosamente, la extraída del análisis del lenguaje proporcionó un 75,83% de exactitud. Y cuando toda la información se combinó y se seleccionaron las diez características principales en el análisis del lenguaje, se logró una exactitud de 77.5% para predecir si un paciente con primer episodio llegaría a un diagnóstico confirmado de esquizofrenia», explica el profesor Cerda.

En este punto, la profesora Figueroa hace énfasis en que este método de análisis automatizado del lenguaje no apunta a reemplazar otras herramientas diagnósticas y exámenes, sino que a complementarlos.

«Es interesante porque hay una intuición en general por parte de los psiquiatras de que hay elementos llamativos en el paciente a partir de su discurso. Este algoritmo sistematiza información preeminente que no es posible de ser analizada a simple vista y mucho menos en el dinamismo de un intercambio clínico; viene a corroborar las sospechas y a poner en alerta, a partir de información concreta, medible y cuantificable. Eso tiene gran importancia, porque es la evolución de esta subjetividad que tiene la entrevista clínica, que depende del criterio del médico», aseguró la académica.

Por ello, los investigadores señalan que como la esquizofrenia comienza sus manifestaciones clínicas en la adolescencia, «la intervención temprana cobra aún más valor». Además, dada la carencia de especialistas de salud mental en todo Chile y más aún en zonas remotas, «si hubiese la posibilidad de desarrollar una herramienta simple, como una aplicación de celular basada en estos avances (…) sería un salto cuántico porque mostramos que el análisis del lenguaje tiene el potencial de ser utilizado como herramienta de detección de diagnóstico psiquiátrico. Gracias al análisis del lenguaje, y a partir de una conversación, se ahorra un montón de intervenciones costosas para el paciente, en lo emocional y económico».

También formaron parte del equipo de trabajo Manuel Durán y Camila Valderrama, del CIMT; y el doctor Pablo Gaspar, de la Clínica Psiquiátrica Universitaria, de Psiquislab y del Departamento de Neurociencia. Además, contó con la colaboración de expertos de otras entidades nacionales y trasandinas.