Un innovador enfoque para el diagnóstico psiquiátrico ha sido propuesto por un grupo de investigadores, liderado por Kaizhong Zheng, en el que se emplea un modelo de red neuronal gráfica llamado BrainIB. Este modelo es capaz de analizar imágenes de resonancia magnética funcional (fMRI) para identificar biomarcadores cerebrales útiles en el diagnóstico de trastornos psiquiátricos como la depresión y el autismo.

La iniciativa nace de la creciente necesidad de diagnosticar enfermedades psiquiátricas basándose en los mecanismos biológicos subyacentes y no solo en los síntomas subjetivos. Tradicionalmente, los diagnósticos se han apoyado en el Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM-V), cuyo enfoque fundamentado en síntomas ha resultado insuficiente debido a la heterogeneidad clínica de los pacientes. BrainIB surge como respuesta a esta problemática, aplicando la técnica del cuello de botella de la información, una estrategia que permite seleccionar las conexiones cerebrales más informativas, generando modelos más interpretables y menos propensos a sobreajustes.

Para evaluar su efectividad, los desarrolladores de BrainIB lo han comparado con tres métodos tradicionales y siete modernos para la clasificación de redes cerebrales, aplicándolo a tres conjuntos de datos psiquiátricos. Los resultados muestran que BrainIB supera consistentemente a los métodos previos en precisión diagnóstica y en la identificación de subgráficos que concuerdan con hallazgos clínicos y neuroimágenes ya existentes.

El marco teórico sobre el que se basa BrainIB apunta a un método sustentado en la identificación de circuitos cerebrales como base para el diagnóstico, una propuesta avanzada por investigadores como Insel. Este enfoque redefine los “trastornos mentales” como “trastornos del circuito cerebral” y se apoya en estudios previos que han señalado márgenes para una mejora significativa en la interpretación clínica de las redes neuronales complejas.

Además de sus contribuciones metodológicas y de interpretación diagnóstica, BrainIB se destaca por su capacidad para generalizar el análisis a nuevos datos de pacientes, superando las limitaciones de modelos entrenados en muestras homogéneas. Este avance no solo representa un salto cualitativo en la precisión diagnóstica, sino que también aporta a la comprensión de los mecanismos neuronales subyacentes a trastornos psiquiátricos complejos.