Poder establecer el diagnóstico de trastorno bipolar (TBP) en los primeros episodios, cuando los síntomas son confusos, ayudará a establecer los planes terapéuticos personalizados y minimizar la progresión a formas crónicas con deterioro cognitivo. No existe ningún estudio en TBP en el que se haya integrado la información genómica, de neuroimagen estructural y de función cognitiva para buscar asociaciones. El equipo dispone de una cohorte de 300 pacientes con TBP y 300 controles (cohorte BipoGent) con evaluación clínica, neuropiscológica e imagen por resonancia magnética (IRM) estructural del cráneo. Además se dispone de muestra de ADN. En el presente proyecto, después de genotipar a todos los sujetos de la cohorte con el Psych-Array que contiene >560000 variantes genéticas asociadas a enfermedad psiquiátrica, se obtendrá un algoritmo de diagnóstico para el TBP utilizando máquinas de aprendizaje (machine learning) con todos los datos (IRM, genotipos y función cognitiva). El algoritmo se validará sobre la misma muestra y después se aplicará a una muestra de 120 pacientes con diagnóstico de primer episodio psicótico. Los 120 pacientes serán evaluados de nuevo a los 12 meses para realizar un diagnóstico con criterios clínicos y comprobar la concordancia con el diagnóstico del algoritmo y su capacidad predictiva. Esperamos obtener un algoritmo con más capacidad para diagnosticar el TBP que los obtenidos por nuestro equipo basados sólo en datos de IRM.
trastorno bipolar
machine learning
aprendizaje automático
genómica
neuroimagen
función cognitiva
algoritmo de diagnóstico
Acción Estratégica en Salud (AES)
01/01/2019 - 31/12/2021
VILELLA CUADRADA, ELISABET
FUNDACION INSTITUTO DE INVESTIGACION SANITARIA PERE VIRGILI
INSTITUTO PERE MATA
Cataluña
Tarragona
82,885 €