Explainable machine learning to predict depression across phenotype definitions integrating genetic and environmental factors

La depresión es una de las principales causas de discapacidad en todo el mundo, que afecta a millones de personas, pero predecir quién la desarrollará sigue siendo uno de los desafíos más difíciles de la medicina moderna. La dificultad reside en la naturaleza misma de la condición. La depresión no es algo único y uniforme; es un tapiz complejo tejido con muchos hilos diferentes. Algunas personas la experimentan como un periodo fugaz de tristeza, mientras que otras soportan una lucha de por vida con síntomas graves. Además, las causas son una mezcla enmarañada de biología y experiencia de vida. Los científicos saben que los genes juegan un papel, pero también saben que el sueño, el estrés financiero y el aislamiento social son fuerzas poderosas. Debido a que la definición de la depresión cambia dependiendo de quién pregunte y qué preguntas esté haciendo, construir un modelo computacional fiable para predecirla ha sido como intentar darle a un objetivo móvil. Los investigadores se han preguntado durante mucho tiempo si la forma en que definen la enfermedad en sus datos cambia los resultados de sus predicciones, y si las pistas genéticas ocultas en nuestro ADN son útiles solo para ciertos tipos de depresión o para la condición en su conjunto.

Un equipo de investigadores de la Universidad de Edimburgo se propuso resolver este enigma probando qué tan bien podrían los modelos de aprendizaje automático predecir la depresión cuando se les daban diferentes definiciones de la enfermedad. Recurrieron al UK Biobank, una base de datos masiva que contiene información de salud de más de medio millón de voluntarios, para examinar a casi 153,000 personas. En lugar de confiar en una sola forma de identificar la depresión, el equipo creó cuatro grupos distintos. Un grupo representaba a personas que se sentían deprimidas actualmente, identificadas mediante un cuestionario estándar sobre síntomas en las últimas dos semanas. Los otros tres grupos representaban la depresión de por vida, definida por diferentes niveles de rigurosidad: un cribado amplio basado en síntomas centrales, un historial autoinformado de haber buscado ayuda profesional y una combinación estricta de todos estos factores para asegurar un diagnóstico de alta confianza. Para cada persona en estos grupos, los investigadores recopilaron una amplia gama de datos, incluyendo su edad, sexo, hábitos de sueño, situación financiera y una puntuación de riesgo poligénico, que es un número único que resume la probabilidad genética de una persona de desarrollar depresión basándose en miles de pequeñas variaciones en su ADN.

Los investigadores entrenaron cinco tipos diferentes de algoritmos computacionales para aprender de estos datos y predecir quién sería clasificado con depresión. Encontraron que los algoritmos más avanzados, conocidos como modelos de potenciación (boosting), fueron los que mejor funcionaron, pero la verdadera historia residía en cómo las definiciones de la depresión cambiaban los resultados. Cuando los modelos observaban la depresión de por vida, eran notablemente consistentes. Ya fuera que la definición fuera amplia o estricta, la computadora identificó los mismos cinco factores principales como los más importantes: ser mujer, la edad, el insomnio, la salud percibida y la puntuación de riesgo genético. Estos modelos demostraron que la información genética añadía un aumento pequeño pero significativo en la precisión de la predicción para la depresión de por vida. Sin embargo, cuando los investigadores cambiaron el objetivo a predecir los síntomas actuales de las últimas dos semanas, el panorama cambió por completo. El modelo para los síntomas actuales dependía mucho menos de la genética y el sexo, y en su lugar otorgaba un gran peso a factores de vida modificables, como la frecuencia con la que una persona podía confiar en otros y si estaba enfrentando dificultades financieras.

Este cambio reveló una idea crucial: la forma en que definimos la depresión dicta lo que la computadora aprende sobre ella. Los modelos entrenados para la depresión de por vida eran altamente transferibles, lo que significa que aprendían las mismas reglas independientemente de si la definición era amplia o estricta. En contraste, el modelo para los síntomas actuales aprendió un conjunto de reglas diferente, centrándose en las circunstancias de vida inmediatas en lugar de la vulnerabilidad a largo plazo. Los investigadores también investigaron si los genes y el entorno interactuaban, buscando casos donde el riesgo genético de una persona pudiera verse amplificado por su situación de vida. Encontraron evidencia sólida de que el riesgo genético para la depresión era más pronunciado en personas que sufrían de insomnio, lo que sugiere que el trastorno del sueño podría actuar como un desencadenante que hace que la responsabilidad genética sea más potente. También encontraron interacciones similares con la edad y la salud general.

El estudio concluye que no existe una única "mejor" forma de predecir la depresión porque la enfermedad misma no es una sola cosa. Un modelo diseñado para identificar a personas en riesgo de desarrollar depresión a lo largo de su vida se verá muy diferente de uno diseñado para detectar a alguien en medio de un episodio actual. Los hallazgos sugieren que, si bien los datos genéticos son útiles para comprender el riesgo a largo plazo, son menos útiles para predecir los síntomas inmediatos, los cuales están impulsados más por los estresores de la vida actual y las conexiones sociales. Al mostrar que la definición de la enfermedad moldea la predicción, la investigación destaca la necesidad de que los científicos y médicos sean precisos sobre qué es lo que intentan predecir. Si el objetivo es la prevención, los modelos deben centrarse en los factores de riesgo de por vida. Si el objetivo es la intervención inmediata, el enfoque debe cambiar hacia las condiciones ambientales y sociales actuales. Este trabajo no ofrece una solución mágica para curar la depresión, pero proporciona un mapa más claro del terreno, mostrando que para entender el futuro de la salud mental, primero debemos estar de acuerdo en qué es lo que estamos mirando.