¿Podrían los datos del estudio del sueño ayudar a identificar la ansiedad y la depresión?

Heather Mason

El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Utilizando técnicas de aprendizaje automático en datos polisomnográficos de estudios del sueño, los investigadores fueron capaces de detectar con precisión ansiedad y depresión a partir del análisis de dichos datos.

El análisis publicado en Journal of Psychiatric Research incluyó datos de 940 evaluaciones polisomnográficas, que se dividieron en tres grupos: pacientes con ansiedad o depresión o ambas (n=205), pacientes sin ansiedad ni depresión (n=349), y pacientes con probable ansiedad o depresión, o ambas (n=386). Los dos primeros grupos se utilizaron para entrenar y poner a prueba el algoritmo de aprendizaje profundo (deep learning), mientras que el tercer grupo se utilizó para la validación externa del modelo. Con el fin de generar las imágenes para el aprendizaje profundo, los investigadores transformaron los datos polisomnográficos de 12 canales en datos RGB (rojo, verde y azul por sus siglas en inglés) de tres canales.

Los resultados muestran que el entrenamiento del modelo utilizó 16.066 imágenes para 554 pacientes y proporcionó una precisión del conjunto de validación de 0,9782 en el noveno periodo de entrenamiento. Cada periodo de entrenamiento duró unos 3.588 segundos. Por lo tanto, el entrenamiento total requirió aproximadamente 10 horas.

Los autores concluyeron que, cuando las imágenes del conjunto de prueba independiente se pasaron por el modelo entrenado para su comprobación, este alcanzó gran exactitud, precisión y recuperación, lo que indica que las técnicas de aprendizaje automático podrían ser útiles en el campo de la psiquiatría.

Este contenido fue publicado originalmente en Univadis UK.