Abordagens transdiagnósticas e seus usos para o desenvolvimento de marcadores objetivos em psiquiatria
Year: 2020
Type: dissertation
Abstract: Desde os primórdios da psiquiatria os cientistas que estudam o comportamento humano tentam determinar formas objetivas de explicar os fenômenos mentais. O desenvolvimento das neurociências nas últimas décadas reacendeu a expectativa de que marcadores biológicos pudessem auxiliar os psiquiatras em sua prática clínica; entretanto, até hoje não há sequer um biomarcador que tenha aplicabilidade clínica no atendimento em saúde mental. Isso se deve a diversos fatores, dentre os quais estão as limitações da nosologia psiquiátrica, as escolhas técnicas e metodológicas utilizadas para se estudar os biomarcadores ao longo do tempo e a própria complexidade da relação mente-cérebro. Esta tese foca nos dois primeiros pontos e, nesse sentido, o texto inicia-se com a apresentação do histórico do diagnóstico psiquiátrico e suas consequências ao desenvolvimento de biomarcadores. Na sequência descrevem-se algumas possibilidades técnicas e metodológicas para se contornar os problemas anteriormente apresentados. Como resultado, três artigos originais são incluídos neste trabalho. O primeiro trata-se de uma revisão sistemática dos biomarcadores periféricos em psiquiatria por uma perspectiva transdiagnóstica. Nele são revisados 312 artigos originais e demonstradas algumas das limitações conceituais e técnicas da literatura produzida na área até então. Além destes, são também revisadas 14 metanálises, nas quais se avalia a semelhança dos padrões de variações dos biomarcadores em diferentes transtornos psiquiátricos. Já o segundo artigo é um experimento que testa uma técnica supervisionada de aprendizado de máquina para se classificar diagnósticos psiquiátricos com base em biomarcadores e cujo intuito é oferecer uma possibilidade para sanar algumas das insuficiências encontradas na revisão sistemática. Neste artigo, diferencia-se esquizofrenia e transtorno bipolar de controles com base numa assinatura biomarcadores periféricos com boas métricas objetivas de eficácia diagnóstica. No terceiro artigo, é utilizada uma técnica não supervisionada de aprendizado de máquina para se criar subgrupos de pacientes numa amostra transdiagnóstica, sem se basear nos achados clássicos da psicopatologia, e comparar os achados à nosologia padrão. Com os resultados, concluiu-se que a literatura psiquiátrica avançou nos últimos anos ao conseguir demonstrar as bases biológicas dos transtornos mentais; todavia, para o desenvolvimento de biomarcadores que sejam úteis à prática clínica algumas alterações metodológicas devem ser incluídas nos estudos futuros. Dentre elas cita-se o pré-registro dos protocolos de estudo, a utilização de tamanhos amostrais adequados e suficientes - idealmente de estudos multicêntricos - e a padronização das coletas e execução de exames. Os dados obtidos em estudos com amplos tamanhos amostrais podem ser usados em análises com técnicas de machine learning, não só devido à robustez dos algoritmos para predição e classificação, mas também pela lógica utilizada com treino e teste e validação externa, que pode aumentar a reprodutibilidade dos achados, além de fornecer métricas objetivas que auxiliam o raciocínio clínico. Tanto para fins diagnósticos quanto prognósticos, os resultados encontrados no ambiente de pesquisa, mesmo que provenientes de técnicas avançadas, terão sua utilidade limitada ao ser passada à prática cotidiana devido às insuficiências da própria nosologia psiquiátrica. Uma estratégia para melhorar o desempenho das análises de biomarcadores seria, portanto, mudar a perspectiva classificatória, usando, por exemplo, modelos transdiagnósticos. Essas mudanças podem de fato auxiliar na melhora da criação de modelos objetivos para explicação dos fenômenos mentais, entreta
Source: Americanae (AECID Library)
Author: Pinto, Jairo Vinícius Merege de Mello Cruz
Institution: Universidade Federal do Rio Grande do Sul
Language: Portuguese
Topic: Mental Health and Psychiatry
Subfield: Philosophy
Field: Arts and Humanities
Domain: Social Sciences
Open Access status: green
Award: G3325778992
OpenAlex ID: W7054414930
