Un método de aprendizaje automático descubrió una pista oculta en el lenguaje de las personas que predice la aparición posterior de la psicosis: el uso frecuente de palabras asociadas con el sonido. Un artículo publicado por la revista npj Schizophrenia publicó los hallazgos de los científicos de la Universidad de Emory y la Universidad de Harvard.
Los investigadores también desarrollaron un nuevo método de aprendizaje automático para cuantificar con mayor precisión la riqueza semántica del lenguaje conversacional de las personas, un indicador conocido para la psicosis.
Sus resultados muestran que el análisis automatizado de las dos variables del lenguaje (uso más frecuente de palabras asociadas con el sonido y el habla con baja densidad semántica o vaguedad) puede predecir si una persona en riesgo desarrollará psicosis con un 93 por ciento de precisión.
Incluso los médicos capacitados no habían notado cómo las personas en riesgo de psicosis usan más palabras asociadas con el sonido que el promedio, aunque la percepción auditiva anormal es un síntoma preclínico.
“Intentar escuchar estas sutilezas en las conversaciones con las personas es como tratar de ver gérmenes microscópicos con los ojos”, dice Neguine Rezaii, primer autor del artículo. “La técnica automatizada que hemos desarrollado es una herramienta realmente sensible para detectar estos patrones ocultos. Es como un microscopio para detectar signos de advertencia de psicosis”.
Rezaii comenzó a trabajar en el periódico mientras residía en el Departamento de Psiquiatría y Ciencias del Comportamiento de la Facultad de Medicina de Emory. Ahora está en el Departamento de Neurología de la Facultad de Medicina de Harvard.
“Anteriormente se sabía que las características sutiles de la psicosis futura están presentes en el lenguaje de las personas, pero hemos utilizado el aprendizaje automático para descubrir detalles ocultos sobre esas características”, dice el autor principal Phillip Wolff, profesor de psicología en Emory. El laboratorio de Wolff se centra en la semántica del lenguaje y el aprendizaje automático para predecir la toma de decisiones y la salud mental.
“Nuestro hallazgo es novedoso y se suma a la evidencia que muestra el potencial del uso del aprendizaje automático para identificar anormalidades lingüísticas asociadas con enfermedades mentales”, dice la coautora Elaine Walker, profesora de psicología y neurociencia de Emory que investiga cómo se desarrollan la esquizofrenia y otros trastornos psicóticos. .
El inicio de la esquizofrenia y otros trastornos psicóticos generalmente ocurre a principios de los 20 años, con signos de advertencia, conocidos como síndrome prodrómico, que comienzan alrededor de los 17 años. Alrededor del 25 al 30 por ciento de los jóvenes que cumplen con los criterios para un síndrome prodrómico desarrollarán esquizofrenia u otro desorden psicotico.
Mediante entrevistas estructuradas y pruebas cognitivas, los médicos capacitados pueden predecir la psicosis con aproximadamente un 80 por ciento de precisión en las personas con síndrome prodrómico. La investigación del aprendizaje automático se encuentra entre los muchos esfuerzos en curso para racionalizar los métodos de diagnóstico, identificar nuevas variables y mejorar la precisión de las predicciones.
Actualmente, no existe cura para la psicosis.
“Si podemos identificar a las personas que están en riesgo antes y usar intervenciones preventivas, podríamos revertir los déficits”, dice Walker. “Hay buenos datos que muestran que los tratamientos como la terapia cognitivo-conductual pueden retrasar la aparición y quizás incluso reducir la aparición de psicosis”.
Para el artículo actual, los investigadores utilizaron por primera vez el aprendizaje automático para establecer “normas” para el lenguaje conversacional. Alimentaron un programa de software informático con las conversaciones en línea de 30,000 usuarios de Reddit, una plataforma de redes sociales donde las personas tienen discusiones informales sobre una variedad de temas. El programa de software, conocido como Word2Vec, utiliza un algoritmo para cambiar palabras individuales a vectores, asignando a cada uno una ubicación en un espacio semántico en función de su significado. Aquellos con significados similares se posicionan más juntos que aquellos con significados muy diferentes.
El laboratorio Wolff también desarrolló un programa de computadora para realizar lo que los investigadores denominaron “desempaquetado de vectores” o análisis de la densidad semántica del uso de palabras. El trabajo previo ha medido la coherencia semántica entre oraciones. El desempaquetado de vectores permitió a los investigadores cuantificar cuánta información se incluyó en cada oración.
Después de generar una línea de base de datos “normales”, los investigadores aplicaron las mismas técnicas a las entrevistas de diagnóstico de 40 participantes que habían sido realizadas por médicos capacitados, como parte del Estudio Longitudinal Prodrome Norteamericano (NAPLS) de múltiples sitios, financiado por el National Institutos de salud. NAPLS se centra en los jóvenes con alto riesgo clínico de psicosis. Walker es el investigador principal de NAPLS en Emory, una de las nueve universidades involucradas en el proyecto de 14 años.
Los análisis automatizados de las muestras de los participantes se compararon con la muestra de referencia normal y los datos longitudinales sobre si los participantes se convirtieron en psicosis.
Los resultados mostraron que el uso más alto de lo normal de palabras relacionadas con el sonido, combinado con una mayor tasa de uso de palabras con significado similar, significaba que la psicosis era probable en el horizonte.
Las fortalezas del estudio incluyen la simplicidad de usar solo dos variables, las cuales tienen una base teórica sólida, la replicación de los resultados en un conjunto de datos retenidos y la alta precisión de sus predicciones, por encima del 90 por ciento.
“En el ámbito clínico, a menudo nos falta precisión”, dice Rezaii. “Necesitamos formas más cuantificadas y objetivas de medir variables sutiles, como las que se esconden dentro del uso del lenguaje”.
Rezaii y Wolff ahora están reuniendo conjuntos de datos más grandes y probando la aplicación de sus métodos en una variedad de enfermedades neuropsiquiátricas, incluida la demencia.
“Esta investigación es interesante no solo por su potencial para revelar más sobre las enfermedades mentales, sino también para comprender cómo funciona la mente, cómo combina las ideas”, dice Wolff. “La tecnología de aprendizaje automático avanza tan rápidamente que nos brinda herramientas para extraer datos de la mente humana”.
