Con el fin de abordar los problemas de las estrategias actuales de tratamiento de la psicosis, este simposio del XXIX Congreso Virtual anual de la EPA de 2021 constó de tres presentaciones sobre los últimos avances de investigación que ayudan a predecir la evolución de la psicosis.

La sesión fue moderada por los profesores Matej Orešič, de la Universidad de Örebro, y Phillip McGuire, profesor de psiquiatría y neurociencia cognitiva del King’s College de Londres, y en ella se trataron diversos temas que abarcaron desde la neuroimagen y el aprendizaje automático (o machine learning) hasta los avances en metabolómica para el pronóstico de la esquizofrenia. Los ponentes fueron la Dra. Maija Lindgren, del Instituto Finlandés de Salud y Bienestar, y los profesores Paulo Brambilla, profesor asociado de psiquiatría de la Universidad de Milán, y Matej Orešič. Todos ellos compartieron sus investigaciones y su experiencia en estos campos y sus opiniones sobre cómo podrían utilizarse en el futuro.

El simposio comenzó con una conferencia de la Dra. Maija Lindgren en la que se abordó la importancia de predecir la evolución de los pacientes que presentan un primer episodio de psicosis, centrándose en la evolución cardiometabólica y los biomarcadores de uso.

La Dra. Lindgren empezó su charla haciendo hincapié en que la evolución del primer episodio de psicosis varía en cada persona y que podrían utilizarse varios marcadores pronósticos para ayudar a los médicos a identificar cuál es la estrategia de intervención adecuada.

La Dra. Lindgren y su equipo de Helsinki estudiaron a 97 adultos jóvenes con un primer episodio psicosis y evaluaron sus síntomas 2 y 12 meses después de iniciar el tratamiento¹. Curiosamente, los investigadores observaron que en los resultados al cabo de un año influyeron más los déficit cognitivos presentes al comienzo del tratamiento que los síntomas positivos y afectivos². Sin embargo, como destacó la Dra. Lindgren, no sucedía lo mismo con los síntomas negativos². En un estudio parecido, la presencia de síntomas intensos de un trastorno obsesivo-compulsivo (TOC) fue predictiva de una menor tasa de remisión en el primer año, mientras que un mayor grado de ansiedad fue predictivo de una mejor evolución funcional³.

A continuación, la Dra. Lindgren habló sobre la evolución cardiometabólica en la psicosis. Se sabe que las enfermedades cardiometabólicas están relacionadas con la inflamación, y es un hecho bien conocido, afirmó, que el primer episodio de psicosis se asocia a inflamación de baja intensidad. Por consiguiente, no se debe ignorar la evolución cardiovascular y metabólica⁴. De hecho, la Dra. Lindgren y su grupo investigaron la utilidad de la proteína C reactiva (PCR), un marcador indirecto de la inflamación de bajo grado, y del perímetro de la cintura como factores predictivos de la psicosis. Observaron que la concentración de PCR aumentaba 2,5 veces después de un primer episodio de psicosis, a pesar de no estar elevada cuando se midió en el momento basal, y que la inflamación de bajo grado empeoraba cuanto mayor era el perímetro de la cintura⁴. Estos datos nos permiten conocer mejor el riesgo cardiovascular en esta población y reunir las diferentes evoluciones del primer episodio de psicosis.

Sin embargo, como señaló la Dra. Lindgren, sus investigaciones también han demostrado que otros factores parecen tener menos poder predictivo de lo que cabría pensar; en comparación con los síntomas negativos, el papel de los síntomas afectivos y positivos en la predicción de los resultados al cabo de 1 año parecía bastante pequeño². Además, en un estudio no publicado, el consumo de cannabis, tanto reciente como a lo largo de la vida, no era predictivo de la evolución cognitiva.

En resumen, la investigación de la Dra. Lindgren y de otros en este campo es importante para conocer mejor los diferentes factores predictivos del primer episodio de psicosis y obtener en el futuro una mejor evolución clínica y funcional de los pacientes. Combinado con un enfoque integral del tratamiento que tenga en cuenta los problemas metabólicos y cardiovasculares, cabe esperar que el panorama terapéutico para esta población mejore a medida que se hacen más avances.

La segunda conferencia la dictó el profesor Brambilla, profesor asociado de psiquiatría de la Universidad de Milán, y giró en torno a los avances en el campo del aprendizaje automático (o machine learning), una herramienta valiosa que se utiliza cada vez más en el ámbito de la psiquiatría. En esencia, el (aprendizaje automático) machine learning hace referencia a la capacidad de los ordenadores para aprender y realizar acciones, sin estar explícitamente programados para ellas, una vez que se les facilita un conjunto de datos de experiencia¹. Cabe señalar que, en los últimos años, técnicas como ésta han evolucionado hasta convertirse en herramientas sofisticadas que tienen la capacidad de facilitar la evaluación psiquiátrica y mejorar nuestros conocimientos sobre las enfermedades cerebrales.

Para explicarlo, el profesor Brambilla presentó un nuevo enfoque de morfometría de forma desarrollado recientemente por su equipo que combina técnicas de clasificación avanzadas con funciones geométricas. Este método ofrece la capacidad de detectar anomalías morfológicas en la superficie cerebral y tiene como objetivo principal mejorar la exactitud de la distinción entre los pacientes esquizofrénicos y los que no lo son⁵. Según los resultados, el programa muestra una exactitud de hasta el 86%, lo que sitúa esta técnica como un instrumento prometedor para el diagnóstico de la esquizofrenia.

Otra técnica, denominada análisis de la forma espectral, también pretende detectar anomalías morfológicas en los pacientes con esquizofrenia. De hecho, el profesor Brambilla presentó un nuevo descriptor de formas capaz de codificar las propiedades morfométricas de una imagen cerebral mediante técnicas de geometría de difusión⁶. Este método puede utilizarse para diseñar un identificador versátil y permite clasificar a las personas esquizofrénicas y no esquizofrénicas a partir de exploraciones de resonancia magnética (RM)⁶. En comparación con otras técnicas de descripción de formas, la desarrollada por el equipo del profesor Brambilla ofrece una exactitud de hasta el 83% en la detección de pacientes esquizofrénicos a partir de un conjunto de 60 RM.

En cuanto a los avances en el campo de la neuroimagen, los pacientes con un primer episodio de psicosis tienen un interés especial porque carecen de los efectos de confusión de los medicamentos y las enfermedades crónicas⁷. Para demostrarlo, el profesor Brambilla comentó un nuevo método basado en el aprendizaje de múltiples núcleos, una técnica de aprendizaje automático que utiliza un grupo predefinido de núcleos que proporciona sistemáticamente una capacidad de clasificación sólida en comparación con otros métodos más utilizados⁸. No solo se obtuvieron resultados de una gran precisión de discriminación, superior al 90%, sino que se también comprobó que en los pacientes con un primer episodio de psicosis estaban alteradas determinadas regiones del hemisferio derecho que intervienen en la red prefrontal límbica, lo que aporta más pistas sobre la etiología de una enfermedad tan compleja⁸.

Este estudio confirma que es posible mejorar el rendimiento de la clasificación si se tienen en cuenta las variables de confusión. El profesor Brambilla identificó regiones cerebrales, como el volumen cerebral frontoparietal y el volumen de amígdala, y marcadores inmunológicos como buenos candidatos a factores predictivos en los pacientes con un primer episodio de psicosis⁸. En conclusión, podemos esperar que a medida que mejoren las técnicas, el aprendizaje automático se integre con las evaluaciones cognitivas y genéticas para ayudar a predecir la respuesta al tratamiento y la evolución clínica.

En la última conferencia, el profesor Orešič, de la Universidad de Örebro, habló sobre el uso de la metabolómica en la esquizofrenia y cómo tratar las diferentes enfermedades concomitantes que suelen acompañar a este trastorno. Comenzó con la idea de que la aparición de las técnicas científicas modernas ha mejorado de manera importante nuestros conocimientos sobre los sistemas implicados en la esquizofrenia. En personas con esquizofrenia se observan sistemáticamente enfermedades metabólicas concomitantes como obesidad, anomalías lipídicas y diabetes de tipo 2⁹. Aunque se desconoce el motivo de este riesgo, el profesor Orešič propone que podría estar relacionado tanto con el efecto secundario de los antipsicóticos como con las alteraciones metabólicas que se producen durante la psicosis.
Mediante un estudio fundamental, el profesor Orešič y su equipo demostraron que las personas con esquizofrenia tienen una concentración significativamente mayor de triglicéridos saturados y otros grupos de moléculas pequeñas asociados a la regulación de la glucosa¹⁰. Esta observación indica que hay anomalías metabólicas específicas en la esquizofrenia y se suma al apoyo cada vez mayor a la metabolómica como herramienta potente en la investigación psiquiátrica.

El profesor Orešič continuó comentando la importancia de la determinación del perfil de metabolitos como instrumento para identificar a los pacientes con psicosis que tienen mayor riesgo de sufrir enfermedades metabólicas concomitantes en el futuro. Está demostrado que los pacientes que toman antipsicóticos tienen mayor riesgo de presentar aumento de peso y trastornos cardiometabólicos, aunque un enfoque terapéutico personalizado reduciría este riesgo. En un estudio reciente se utilizó la lipidómica, el estudio a gran escala de los lípidos celulares en los sistemas biológicos, para analizar muestras de suero de controles sanos y pacientes con un primer episodio de psicosis.¹¹ El profesor Orešič y su equipo observaron que el aumento de peso en los pacientes psicóticos se asociaba a una concentración elevada de lípidos asociada a un aumento de la grasa hepática, lo que constituye un instrumento metabolómico útil para evaluar el riesgo de enfermedades cardiometabólicas concomitantes¹¹.