¿Podemos predecir y tratar mejor las alucinaciones auditivas? Un nuevo enfoque que combina escáneres cerebrales y genética
¿Alguna vez has escuchado una voz cuando no había nadie alrededor? Para algunas personas, esto no es solo un pensamiento fugaz, sino una realidad constante y angustiante. Estas experiencias, conocidas como alucinaciones auditivas verbales (AAV), son más comunes de lo que podrías pensar. Ocurren en una amplia gama de condiciones de salud mental, como la esquizofrenia, el trastorno bipolar, la depresión e incluso en algunos individuos sanos. ¿El problema? Diagnosticar y tratar las AAV es increíblemente difícil, lo que a menudo lleva a diagnósticos erróneos y tratamientos ineficaces. Pero, ¿y si pudiéramos predecir quién está en riesgo y adaptar los tratamientos basados en su estructura cerebral y genética única? Eso es exactamente lo que la nueva investigación está tratando de lograr.
¿Qué son las alucinaciones auditivas verbales?
Las alucinaciones auditivas verbales (AAV) son la experiencia de escuchar voces sin ningún sonido externo. Estas voces pueden ser amistosas, críticas o incluso imperativas, y a menudo se sienten muy reales para la persona que las escucha. Aunque las AAV se asocian más comúnmente con la esquizofrenia, afectando a más del 70% de los pacientes, también aparecen en otras condiciones como el trastorno bipolar, la depresión, el trastorno de estrés postraumático (TEPT) y el trastorno límite de la personalidad. Incluso algunos individuos sanos reportan experimentar AAV, aunque con menos frecuencia.
El impacto de las AAV puede ser grave. Están vinculadas a mayores riesgos de autolesión, pensamientos suicidas y comportamiento violento. Esto hace que el diagnóstico temprano y preciso sea crucial. Sin embargo, los métodos actuales a menudo no son suficientes, lo que lleva a tratamientos que pueden no funcionar o incluso empeorar la condición.
¿Por qué es tan difícil estudiar las AAV?
Un gran desafío en el estudio de las AAV es que son exclusivamente humanas. Dado que los animales no experimentan el lenguaje y el habla de la misma manera que nosotros, los investigadores no pueden confiar en modelos animales para entender las AAV. En su lugar, deben estudiar a individuos vivos utilizando herramientas avanzadas como escáneres cerebrales (neuroimagen) y análisis genético.
Los avances recientes en neurociencia han hecho posible explorar la actividad cerebral de personas que experimentan AAV. Técnicas como la resonancia magnética funcional (fMRI), que mide la actividad cerebral detectando cambios en el flujo sanguíneo, y la electroencefalografía (EEG), que registra la actividad eléctrica en el cerebro, han revelado patrones anormales en redes cerebrales específicas. Estas incluyen áreas involucradas en el procesamiento del lenguaje, la autoconciencia y la detección de estímulos importantes (red de saliencia).
Los estudios genéticos también han identificado ciertos genes que pueden aumentar el riesgo de AAV. Por ejemplo, genes como FOXP2, COMT y NRG1 han sido vinculados a la susceptibilidad y cómo las personas responden al tratamiento. Al combinar escáneres cerebrales y datos genéticos, los investigadores esperan descubrir las causas subyacentes de las AAV y desarrollar mejores formas de diagnosticarlas y tratarlas.
Un nuevo enfoque: Combinar escáneres cerebrales y genética
La clave para mejorar el diagnóstico y tratamiento de las AAV puede estar en combinar datos de neuroimagen y genética. Este enfoque permite a los investigadores ver cómo los cambios en el cerebro y la composición genética interactúan para producir AAV. Por ejemplo, la actividad anormal en las áreas del cerebro que procesan el lenguaje podría estar influenciada por variaciones genéticas específicas. Al identificar estos patrones, los investigadores pueden desarrollar biomarcadores—signos biológicos—que ayuden a predecir quién está en riesgo de AAV y cómo podrían responder al tratamiento.
Un método prometedor es el uso del aprendizaje automático, un tipo de inteligencia artificial que puede analizar grandes cantidades de datos para encontrar patrones. El aprendizaje automático ya se ha utilizado para crear modelos predictivos de enfermedades como la esquizofrenia. Por ejemplo, un estudio logró un 73.9% de precisión en la identificación de patrones de AAV en pacientes con esquizofrenia utilizando datos de escáneres cerebrales. Esto sugiere que el aprendizaje automático podría ser una herramienta poderosa para predecir AAV en diferentes condiciones de salud mental.
¿En qué consiste la investigación?
La investigación propuesta tiene dos partes principales. Primero, los científicos planean estudiar a personas que experimentan su primer episodio de AAV, incluyendo aquellas con esquizofrenia no tratada, trastorno bipolar, TEPT, depresión e incluso individuos sanos. Utilizando técnicas avanzadas como la secuenciación de alto rendimiento (un método para analizar grandes cantidades de datos genéticos) y el mapeo del conectoma humano (una forma de estudiar el cableado del cerebro), los investigadores buscarán características comunes y únicas en el cerebro y los genes de estos individuos. Estas características podrían guiar el desarrollo de tratamientos dirigidos adaptados a cada condición.
Segundo, basándose en los datos recopilados, se crearán modelos de aprendizaje automático para predecir AAV y los resultados del tratamiento. Estos modelos combinarán datos de escáneres cerebrales y genéticos con factores como la edad, el género y el historial de tratamiento para proporcionar una herramienta integral para los clínicos. Los modelos también rastrearán cambios en las características cerebrales y genéticas durante el tratamiento, ayudando a identificar objetivos específicos para la terapia y optimizar los planes de tratamiento.
¿Qué hace que esta investigación sea única?
Esta investigación es innovadora porque sugiere que las AAV en diferentes condiciones de salud mental e incluso en individuos sanos pueden compartir características subyacentes comunes. Estas características podrían formar la base de un índice estable y preciso para el diagnóstico temprano y la predicción del tratamiento. La idea es que las anomalías cerebrales actúan como un puente entre los factores genéticos y los síntomas clínicos. Este «puente de características patológicas de las AAV» puede ser detectado utilizando tecnologías actuales y utilizado como un biomarcador visual para reflejar las relaciones entre los genes, los cambios cerebrales y los síntomas de AAV.
Para probar esta hipótesis, se planea un gran estudio con un período de seguimiento de dos años. Este estudio utilizará aprendizaje automático, análisis genético y mapeo cerebral para examinar cómo las AAV cambian con el tiempo y cómo responden al tratamiento. Al identificar objetivos específicos de tratamiento, los investigadores esperan desarrollar terapias más precisas y efectivas.
¿Qué podría significar esto para el futuro?
La integración de escáneres cerebrales y datos genéticos, combinada con el aprendizaje automático, ofrece una nueva vía prometedora para entender y tratar las AAV. Al identificar características comunes y únicas de las AAV en diferentes condiciones, los investigadores podrían desarrollar modelos predictivos que mejoren el diagnóstico temprano y los resultados del tratamiento. Este enfoque tiene el potencial de reducir los riesgos asociados con las AAV, como la autolesión y el comportamiento suicida, y mejorar la calidad de vida de los afectados.
Aunque esta investigación aún está en sus primeras etapas, representa un paso significativo hacia adelante en nuestra comprensión de las AAV. Al combinar tecnologías de vanguardia con un enfoque multidisciplinario, los científicos están allanando el camino para tratamientos más personalizados y efectivos para esta condición compleja y desafiante.
Solo con fines educativos.
DOI: 10.1097/CM9.0000000000000385