Una señal cerebral para predecir el tratamiento de la depresión
Los científicos han descubierto en el cerebro una señal que podría predecir si el tratamiento funcionará en casos de depresión grave. El estudio, publicado en la revista npj Mental Health Research, busca un indicador objetivo que permita saber de antemano si un antidepresivo u otro tratamiento ayudará al paciente.
Hoy en día, tratar la depresión se parece a menudo a jugar a ciegas: el médico tiene que elegir los fármacos mediante ensayo y error. A veces pasan varios meses antes de saber si el tratamiento prescrito funciona. Esto no solo prolonga el sufrimiento del paciente, sino que también complica los pasos siguientes.
Desde hace tiempo, la comunidad científica sospecha que la llamada red neuronal por defecto —un sistema relacionado con los pensamientos sobre uno mismo, los recuerdos y la tendencia a dar vueltas a las cosas— desempeña un papel clave en la depresión. Sin embargo, hasta ahora no se había logrado demostrar de forma convincente la relación entre el funcionamiento de esta red y el éxito del tratamiento.
El equipo dirigido por Kaizhong Zheng y Liangjun Chen quiso averiguar si la interacción entre la corteza prefrontal medial (mPFC) y la corteza cingulada posterior (PCC), dos nodos importantes de esta red, podía servir para predecir la eficacia del tratamiento. Estas áreas intervienen en la autorreflexión y la regulación de las emociones, procesos que suelen estar alterados en las personas con depresión.
Para el estudio se utilizaron datos de resonancias magnéticas en estado de reposo de 4.271 participantes de cuatro muestras independientes. La mayor incluía a 2.142 personas diagnosticadas con trastorno depresivo mayor y a 1.991 personas sin trastornos mentales.
La muestra incluía pacientes que sufrían su primer episodio de depresión y otros con episodios recurrentes. Los datos adicionales hicieron un seguimiento de personas tratadas con antidepresivos o con estimulación magnética transcraneal repetitiva (rTMS), lo que permitió establecer la relación entre los cambios en la actividad cerebral y el efecto del tratamiento.
Mediante el método de causalidad de Granger, los investigadores evaluaron la dirección de la transmisión de información desde la mPFC hasta la PCC. En las personas con depresión recurrente, esta conexión era significativamente más débil que tanto en los participantes sanos como en los pacientes que atravesaban su primer episodio y no habían tomado antidepresivos antes. El debilitamiento de la conexión también estaba relacionado con la duración de la enfermedad y el número de tratamientos previos.
Lo más importante es que el valor inicial de la actividad de la red permitía predecir quién mejoraría realmente con el tratamiento. Además, el tratamiento eficaz reducía la conexión mPFC-PCC. Los modelos de aprendizaje automático entrenados con estos datos lograron identificar con gran precisión a quienes responderían y a quienes no responderían, antes incluso de empezar el tratamiento.
Este indicador estaba relacionado específicamente con la mejoría tras el tratamiento, y no con la intensidad de los síntomas principales de la depresión, como la anhedonia o los pensamientos suicidas. Esto sugiere que se trata de un mecanismo relacionado con el tratamiento, no con la gravedad del trastorno.
Los autores consideran que la red neuronal por defecto sigue infravalorada como objetivo terapéutico, pese a que se conoce desde hace tiempo su papel en los procesos emocionales y cognitivos. Los resultados del estudio indican que las intervenciones dirigidas a esta red podrían abrir una nueva vía para tratar la depresión.
Sin embargo, el estudio tiene limitaciones. Solo se analizaron los antidepresivos y la rTMS. No se incluyeron otros métodos, como la terapia electroconvulsiva (ECT) o la psicoterapia, que podrían generar otros patrones de actividad cerebral.
El trabajo «Beyond depression symptoms: the default mode network as a predictor of antidepressant response» fue realizado por Kaizhong Zheng, Liangjun Chen, Huaning Wang, el consorcio DIRECT, Baojuan Li y Badong Chen.
PEREC.RU
El estudio se presenta como una revolución, aunque en realidad es otro intento de adivinar el estado de ánimo del cerebro con un escáner. Los científicos anuncian su victoria al mostrar una conexión entre zonas que supuestamente predice el efecto del tratamiento. En el párrafo siguiente resulta que la conexión disminuye tanto con la enfermedad como cuando el tratamiento funciona: un indicador universal que lo dice todo y no dice nada. El equipo recurre al aprendizaje automático como si fuera un artefacto mágico capaz de tapar las lagunas de conocimiento. Los modelos predicen la respuesta al tratamiento, pero solo para dos terapias; de las demás no hay datos.
La red neuronal por defecto se presenta como un objetivo terapéutico infravalorado, aunque hace tiempo que la ciencia da vueltas a su alrededor. Los investigadores actúan como si hubieran descubierto un continente, cuando apenas han retocado un mapa antiguo. Queda la impresión de que el trabajo trata más de estadísticas que de personas. Y también de la esperanza de que algún día los algoritmos libren a los médicos de la responsabilidad de adivinar qué ayudará al paciente. Por ahora, se parece más a un intento de vender una correlación como si fuera un avance decisivo. Aun así, es una línea prometedora; sencillamente, hay menos motivos para confiar en ella de los que sugieren los titulares.
