PI21/00525 - Raymond Salvador

Predicció de l'evolució d'un primer episodi psicòtic mitjançant algorismes multientrada d'aprenentatge profund

Objectius: Els algorismes d'aprenentatge profund (deep learning, DL) estan a la base de la major part dels èxits en intel·ligència artificial aconseguits en aquests darrers anys. Aquest projecte té com a objectiu aprofitar la capacitat que tenen aquests algorismes per combinar dades de naturalesa diferent i per servir-se de models prèviament ajustats amb dades similars per fer prediccions sobre l'evolució de pacients que pateixen un primer episodi psicòtic (First episode of psychosis, FEP) . En concret, es crearan algorismes DL a partir de dades de diferent naturalesa presos en el moment del primer episodi que seran combinats amb models DL prèviament ajustats a dades històriques de pacients amb esquizofrènia i trastorn bipolar, amb la intenció de predir el diagnòstic definitiu, els nivells d afectació clínica i la funcionalitat presents als sis mesos ia l any de la visita basal.

Metodologia: En una mostra de N=200 primers episodis de recent ingrés es prendran imatges cerebrals de MRI funcional, estructural i de difusió, imatges d'empremtes dactilars, dades genètiques de polimorfismes anteriorment relacionades amb la psicosi i escales clíniques i de cognició. Aquestes dades es combinaran amb un gran nombre de dades històriques de naturalesa similar disponibles a les nostres institucions per generar els algorismes DL de predicció.

75.020,00 €

Instituto de Salud Carlos III, amb el cofinançament del Fons Eurou de Desenvolupament Regional "Una forma de fer Europa"