Aplicación de técnicas de aprendizaje automático en la identificación de biomarcadores a partir de neuroimágenes (MRI) en trastornos depresivos

Abstract

La depresión es uno de los principales problemas de salud mental a nivel mundial. Su diagnóstico se basa habitualmente en la identificación de síntomas clínicos y las causas neurobiológicas subyacentes no están claramente determinadas. Con el avance en el campo de las neuroimágenes a partir de resonancia magnética (MRI) y el desarrollo de técnicas computacionales para procesar e interpretar la gran cantidad de datos generados, se ha comenzado a explorar con mayor profundidad el funcionamiento cerebral. Durante las últimas décadas se han realizado múltiples investigaciones con la finalidad de identificar biomarcadores que podrían ser relevantes para predecir el diagnóstico, el tratamiento y otros aspectos relacionados con los trastornos depresivos. Dichos estudios han arrojado resultados prometedores, identificando áreas y patrones cerebrales que pueden ser importantes para la comprensión de la depresión, como la corteza cingulada anterior, el córtex orbitofrontal, así como patrones de actividad cerebral en reposo o durante la realización de tareas cognitivas. Sin embargo, la dificultad para realizar investigaciones con muestras amplias, vinculado tanto a los costes asociados como a la heterogeneidad de los datos, ha limitado la validez de los hallazgos. No obstante, el continuo crecimiento en materia tecnológica y la innovación en el ámbito computacional pueden impulsar en el futuro un crecimiento significativo de la investigación en este campo, aportando conocimiento relevante para la práctica clínica.