Pela equipe de Cérebro e Comportamento
Pesquisadores continuam a progredir em sua busca por marcadores biológicos de doença mental. Tais marcadores, se puderem ser cientificamente validados, são amplamente esperados para tornar o diagnóstico e a avaliação de risco mais objetivos.
Agora, uma grande equipe internacional liderada por 2015 BBRF Independent Investigator e 2007 Jovem Investigador Tomas Hajek, MD, Ph.D., da Universidade de Dalhousie, Halifax, Nova Scotia, relatou resultados encorajadores de um esforço para usar métodos de aprendizagem de máquina para identificar marcadores diagnósticos do transtorno bipolar. Os resultados são baseados em informações coletadas por meio de imagem cerebral por ressonância magnética. O relatório apareceu 31 de agosto de 2018 em Psiquiatria Molecular.
Por enquanto, o diagnóstico de todas as doenças mentais continua baseado nos sintomas observados e relatados dos pacientes. O transtorno bipolar apresenta um desafio diagnóstico particular, já que em muitos casos ele se manifesta como depressão. Uma pequena porcentagem de pessoas deprimidas irá, em algum momento posterior, experimentar o que é chamado de episódio maníaco, marcado por sintomas aparentemente diametralmente opostos aos da depressão: um alto estado de excitação, grande energia, uma reduzida necessidade de sono e uma tendência. tomar decisões precipitadas e impulsivas. Este subgrupo de pacientes é considerado portador de transtorno bipolar.
Para complicar ainda mais a tarefa diagnóstica, está o fato de que o transtorno bipolar é o que os cientistas chamam de “heterogêneo”, o que significa que existem vários subtipos com padrões distintos de sintomas e neurobiologia subjacente. Portanto, basear o diagnóstico em medidas biológicas objetivas, como as que envolvem imagens cerebrais, seria muito útil para médicos e pacientes.
Dr. Hajek e seus colegas queriam determinar se os dados de imagens de ressonância magnética poderiam revelar um conjunto de propriedades biológicas no cérebro que sinalizavam a presença de transtorno bipolar na maioria dos pacientes. Para testar o conceito, a equipe reuniu exames de ressonância magnética de um total de 853 pacientes com transtorno bipolar e 2.167 controles. Esses assuntos faziam parte de um conjunto de dados em um projeto chamado ENIGMA, que selecionava informações de pacientes de diferentes locais para formar grandes amostras. Amostras grandes são necessárias para empregar efetivamente métodos de aprendizado de máquina, nos quais os computadores treinam-se para identificar – neste caso – aspectos da anatomia do cérebro que correspondem ao transtorno bipolar. Até agora, nenhuma amostra de tamanho comparável havia sido montada para fazer isso.
Considerando a variabilidade da doença e o fato de que os pacientes para este estudo foram recrutados sem qualquer coordenação em 13 locais diferentes, os pesquisadores inicialmente duvidaram que pudessem diferenciar pacientes de controles baseados na estrutura cerebral. No entanto, eles surgiram com parâmetros biológicos dos exames de ressonância magnética permitindo-lhes identificar pacientes com transtorno bipolar com cerca de 65% de precisão. “Essas descobertas fornecem uma prova de conceito para uma assinatura generalizável de transtorno bipolar de imagens cerebrais que pode ser detectada em indivíduos individuais, mesmo dentro de uma grande amostra em vários locais”, observou a equipe. “A tentativa de diferenciar os pacientes dos controles é o primeiro passo antes de passar para problemas mais clinicamente relevantes, como o diagnóstico diferencial” – sendo capaz de distinguir entre diferentes transtornos psiquiátricos com manifestações semelhantes, acrescentaram.
Para servir como uma ferramenta de diagnóstico clínico, o aprendizado de máquina terá que gerar uma precisão de diagnóstico de pelo menos 80%. Ter acesso aos exames reais de ressonância magnética, não apenas às informações sobre certas regiões do cérebro, pode melhorar consideravelmente o desempenho, disse o Dr. Hajek. Atualmente, no entanto, o compartilhamento dos exames completos envolve complicações legais e de privacidade do paciente, observou ele.
Outros donatários do BBRF participantes da pesquisa foram: Geraldo Busato, Ph.D., Investigador Independente 2010; Dara Cannon, Ph.D., 2006, 2004 Jovem investigador; Janice Fullerton, Ph.D., 2007 Jovem investigador; David Glahn, Ph.D., 2014 Investigador independente, 2003, 2005 Jovem investigador; Roshel Lenroot, MD, 2003 jovem investigador; Colm McDonald, Ph.D., 2009 Investigador Independente, 2002 Jovem Investigador; Theodore Satterthwaite, MD, 2014 Klerman Prizewinner, 2010 Jovem investigador; Jair Soares, MD, Ph.D., 1999, 1997 Jovem investigador; e Eduard Vieta, MD, 2012 Colvin Prizewinner.
