Objetivos: Los algoritmos de aprendizaje profundo (deep learning, DL) están en la base de la mayor parte de los logros en inteligencia artificial acaecidos en estos últimos años. Este proyecto tiene como objetivo aprovechar la capacidad que tienen dichos algoritmos para combinar datos de distinta naturaleza y para servirse de modelos previamente ajustados con datos similares para hacer predicciones sobre la evolución de pacientes que sufren un primer episodio psicótico (First episode of psychosis, FEP). En concreto, se crearan algoritmos DL a partir de datos de diferente naturaleza (véase siguiente párrafo) tomados en el momento del primer episodio que serán combinados con modelos DL previamente ajustados a datos históricos de pacientes con esquizofrenia y trastorno bipolar, con la intención de predecir el diagnóstico definitivo, los niveles de afectación clínica y la funcionalidad presentes a los seis meses y al año de la visita basal. Metodología: En una muestra de N=200 primeros episodios de reciente ingreso se tomarán imágenes cerebrales de MRI funcional, estructural y de difusión, imágenes de huellas dactilares, datos genéticos de polimorfismos anteriormente relacionados con la psicosis y escalas clínicas y de cognición. Estos datos se combinarán con un gran número de datos históricos de naturaleza similar disponibles en nuestras instituciones para generar los algoritmos DL de predicción.
Aprendizaje profundo
diagnóstico
huellas dactilares
inteligencia artificial
primer episodio psicótico
prognosis
puntuaciones poligénicas de riesgo
RM multimodal
Acción Estratégica en Salud (AES)
01/01/2022 - 31/12/2024
ELISABET, VILELLA CUADRADA
FUNDACION INSTITUTO DE INVESTIGACION SANITARIA PERE VIRGILI
INSTITUTO PERE MATA
CATALUÑA
TARRAGONA
47,000 €