El estudio, publicado en la revista The British Journal of Psychiatry, propone una herramienta predictiva clara, interpretable y útil para la práctica clínica, que supera en rendimiento a varios algoritmos complejos de inteligencia artificial.
La investigación parte de una necesidad clínica: a pesar de los avances en el tratamiento de la psicosis, entre el 20% y el 30% de los pacientes no responden bien a la medicación y menos del 40% alcanzan la remisión de los síntomas. Actualmente, cuando una persona llega a la consulta con su primer episodio, los equipos clínicos no disponen de herramientas fiables para saber quién necesitará una intervención más intensa o quién evolucionará favorablemente en poco tiempo.
Para abordar este reto, Sergi Mas lidera FarmaPRED-PEP, un proyecto multicéntrico de medicina personalizada y de precisión coordinado desde el IDIBAPS. El grupo analizó datos de dos grandes cohortes españolas con un total de más de mil pacientes, incorporando 47 variables clínicas y cognitivas y 87 marcadores genéticos. A partir de esta información, compararon modelos estadísticos tradicionales con técnicas de inteligencia artificial. El resultado fue claro: el mejor modelo era también el más simple. Solo seis variables, que pueden recogerse habitualmente en la práctica clínica, son suficientes para predecir la recuperación temprana: duración de la psicosis no tratada, días de tratamiento previo, nivel de funcionamiento, insight, función ejecutiva y reserva cognitiva.
Según explica Sergi Mas, “a veces lo que necesitamos en la clínica no son algoritmos opacos, sino herramientas transparentes y fáciles de interpretar. Nuestro modelo demuestra que la información que ya recopilamos de manera rutinaria puede ser muy potente para anticipar la evolución del paciente y acercarnos a la aplicación de la psiquiatría de precisión.”
El modelo funcionó mejor que opciones automáticas más sofisticadas. Ni siquiera los marcadores genéticos, un campo muy prometedor, mejoraron la capacidad predictiva. De hecho, estos biomarcadores todavía presentan problemas de generalización entre cohortes y necesitan más investigación antes de ser clínicamente útiles.
La principal aportación del estudio es que permite anticipar qué tipo de intervención necesitará cada persona. Los pacientes con un alto riesgo de no recuperarse pronto podrían beneficiarse de un abordaje más intensivo desde el primer momento: más sesiones de psicoterapia, un seguimiento farmacológico más estrecho o programas específicos de rehabilitación cognitiva. En cambio, aquellas personas con buen pronóstico podrían participar activamente en decisiones tan relevantes como el ritmo de reducción del tratamiento o la intensidad del seguimiento.
Para Laura Julià, primera autora del trabajo e investigadora del IDIBAPS, “este modelo es una herramienta práctica que puede ayudar a personalizar la atención desde el primer día. Identificar a los pacientes que pueden tener un curso más complicado nos permite optimizar recursos y ofrecerles el apoyo que realmente necesitan.”
Con el objetivo de facilitar la validación y el uso del modelo en todas partes, el equipo ha hecho público el código completo del análisis y ha desarrollado una herramienta en línea que permite introducir las seis variables y obtener una predicción individual de recuperación.
