Desarrollo de un algoritmo de inteligencia artificial basado en redes profundas (deep learning) para la predicción temprana del riesgo de esquizofrenia a partir de huellas dactilares.
El vínculo entre la generación de los patrones de las huellas dactilares (dermatoglifos) y el desarrollo del sistema nervioso central ha llevado a proponer el uso de dichos patrones como marcadores del riesgo de esquizofrenia. Sin embargo, la alta complejidad de las formas geométricas presentes en las huellas dactilares hace imprescindible el desarrollo de algoritmos altamente flexibles y adaptativos para dicho fin. Este proyecto desarrollará un nuevo algoritmo de inteligencia artificial basado en redes profundas (deep learning) para la predicción temprana del riesgo de esquizofrenia a partir de imágenes digitales de huellas dactilares. Adicionalmente, se generarán modelos para predecir la gravedad clínica (escala CGI) y funcionalidad (escala GAF) en pacientes con este trastorno. Para ello se escanearán las huellas dactilares de 5.000 controles sanos y de 5.000 pacientes con esquizofrenia reclutados en diferentes centros distribuidos por todo el estado español. Mediante un esquema de validación cruzada tipo 10-fold, se entrenarán, validarán y testará el grado de acierto (nivel de predicción) conseguido por redes neuronales profundas de convolución (redes CNN, especialmente diseñadas para imagen). De forma totalmente innovadora, el nuevo algoritmo permitirá establecer la probabilidad de que un sujeto sufra esquizofrenia, es decir actuará como biomarcador. Debido a la alta estabilidad temporal de los patrones dactilares, los algoritmos generados podrán ser potencialmente aplicados desde el momento del nacimiento, lo que tendría enormes repercusiones para establecer el diagnóstico precoz y la implementación de estrategias de prevención secundaria, aspecto completamente novedoso en este trastorno.
Instituto de Salud Carlos III, con la cofinanciación de Fondo Europeo de Desarrollo Regional "Una manera de hacer Europa"
43.560,00 €
