Predicción de transiciones a trastornos del espectro esquizofrénico: Un enfoque de aprendizaje automático utilizando registros nacionales daneses y datos genéticos.

Identificador:  TFM:2529

Handle: https://hdl.handle.net/20.500.11797/TFM2529

Autores:  Salas Zamora, Júlia

Resumen:
Los trastornos del espectro de la esquizofrenia se encuentran entre las afecciones psiquiátricas más graves y a menudo van precedidos de diagnósticos más leves, como los trastornos del estado de ánimo o de ansiedad. La predicción temprana de las transiciones diagnósticas mejora los resultados clínicos. Este proyecto aplica técnicas de aprendizaje automático para predecir la transición desde diagnósticos de las categorías F3 a F7 de la CIE-10 hacia trastornos del espectro de la esquizofrenia (F2), utilizando datos de registros nacionales daneses y puntuaciones de riesgo poligénico (PRS). Las variables se obtuvieron de múltiples registros, abarcando la historia clínica, el contexto socioeconómico, los antecedentes psiquiátricos de los progenitores, la medicación y datos genéticos. Se entrenaron y evaluaron modelos de regresión logística y XGBoost mediante métricas como el área bajo la curva ROC (ROC-AUC), la sensibilidad, la especificidad y la calibración. Asimismo, se exploraron estrategias de modelado tanto ponderadas como no ponderadas para abordar el desequilibrio de clases.