333.Esquizofrenia

IMG:  Pedro Mancini  

PsiquiatríApp

TXT:

¿Cuán lejos está la computación de la psiquiatría? ¿Podemos anticipar un brote psicótico o diagnosticar trastornos mentales usando algoritmos?

Dejando todo eso que hace el médico en el consultorio para revisarnos cuando le decimos que nos duele acá (la semiología), el resto de las prácticas en medicina cambiaron radicalmente en los últimos dos siglos, principalmente gracias a los avances tecnológicos. Hoy la traumatología tiene a su disposición un montón de instrumentos y procedimientos de diagnóstico basados en ecografias, radiografias, resonancias magnéticas y demás aparatos impensables en tiempos pasados; la cardiología se vale de electrogramas, hemogramas y diferentes análisis de sangre para entender y diagnosticar diferentes patologías; y así ocurre con muchas sino todas las ramas de la salud. La lista de ejemplos es interminable. Sin embargo, relegada a un costadito, la psiquiatría parece haberse perdido las últimas actualizaciones. ¿Puede esto deberse a que su objeto de estudio −la mente− es algo abstracto e intangible? Tal vez, pero eso se parece más a una excusa que una respuesta satisfactoria.

La realidad es que en los últimos años se gestó una nueva área en la psiquiatría que busca, con esfuerzo colectivo interdisciplinario, describir patologías conocidas usando modelos: sistemas matemáticos/computacionales que permiten entender y describir fenómenos. La llamaron, en un arrojo de creatividad, psiquiatría computacional.


Ahora
¿por qué sería útil darle herramientas computacionales a un psiquiatra?


El diagnóstico psiquiátrico, a diferencia de otras áreas de la medicina, se basa fuertemente en datos e interpretaciones altamente subjetivos: los discursos del paciente, las decisiones que toma y la forma en la que narra esas decisiones, reportes y descripciones del comportamiento por parte de familiares o amigos y, por supuesto, la subjetividad del médico al evaluar al sujeto íntegramente considerando diferentes fuentes de información (factores ambientales, datos demográficos, predisposiciones genéticas, entre otras). La psiquiatría tradicional no puede eludir este tipo de material; pero para mitigar la parte más subjetiva de estas prácticas, los problemas y la complejidad de lidiar con un objeto de estudio tan inasible, la clínica psiquiátrica cuenta con diferentes mecanismos basados en tests y formularios estandarizados que le permiten describir protocolos mucho más informativos, rigurosos, comparables y reproducibles que un simple ‘Che ¿cómo estás?’. Entonces, ahora sí la respuesta a por qué sería útil dotar a la psiquiatría también con herramientas computacionales resulta bastante más evidente: para bajar la cuota de apreciaciones subjetivas durante el relevamiento de diferentes aspectos de las enfermedades.

Cómo entrenar a tu algoritmo

Los primeros coqueteos entre estas dos áreas en principio tan distantes la computación y la psiquiatría se dieron en la década de los ‘80. Los modelos computacionales usados eran sistemas en los que se le ofrecían al paciente preguntas definidas por los expertos a través de una computadora y las respuestas eran registradas automáticamente. Luego se les aplicaba un sistema de reglas estático del estilo ‘si el paciente responde A en la pregunta 1 y B en la pregunta 2, entonces significa tal cosa’. Los sucesivos modelos fueron avanzando en prácticas cada vez más sofisticadas y los programas empezaron a chequear las respuestas en test psicológicos estandarizados. Esto permitió abstraer y comparar los patrones de síntomas en cada cuadro de cada paciente.

Ejemplo de modelo computacional. #arte #diseño #hashtag

Muchos de estos modelos sofisticados se enmarcan dentro del paradigma que las ciencias de la computación definen como machine learning (o aprendizaje automático): una subárea de la inteligencia artificial que tiene como objetivo crear modelos computacionales específicos para diferentes tareas. La particularidad de este paradigma es que el algoritmo ‘aprende’ a partir de la interacción con diferentes experiencias o muestras, con el objetivo de mejorar su desempeño en una tarea en particular.

Por ejemplo, supongamos que queremos hacer un programa que al darle una foto determine si se trata de un perro o de un gato. Para esto, antes de hacer que responda se ‘entrena’ al programa, dándole ejemplos de fotos y diciéndole ‘esto es un perro‘ o ‘esto es un gato‘. Tras recibir estos ejemplos de entrenamiento, el algoritmo ‘intenta’ capturar la noción de perro y de gato con alguna representación matemática, típicamente inentendible por un ser humano. Si lo logra, el algoritmo queda más que listo para resolver si una foto corresponde a un perro o a un gato.

Ahora te quiero ver, programita.

La discusión sobre si este tipo de comportamiento expresado por el programa es o no es inteligente se ha cobrado la vida de varias personas en duelos nerds (?), pero sin duda hay de las dos opiniones. Lo cierto es que, inteligentes o no, los programas alcanzan resultados sobre-humanos en muchas tareas de aprendizaje automático, sobre todo cuando el objeto a modelar son imágenes. Es decir que alcanzan mejores resultados que nosotros, incluso en aquellas tareas en las cuales los humanos somos muy buenos pero no sabemos bien cómo lo hacemos. Porque, admitámoslo, no tenemos mucha idea de cómo hacemos exactamente para resolver si en la foto hay un gato o un perro, pero lo hacemos excelentemente bien a partir de los primeros años de vida, a pesar de haber estado expuestos a muchísimos menos casos que los que un programa usa para entrenarse.

Lo bueno de este tipo de tecnologías −sin ánimo de desmerecer a quienes encuentren significativamente importante desarrollar algoritmos que puedan distinguir perros de gatos,  es que no sólo se puede entrenar máquinas para que reconozcan animales en imágenes, sino que también podemos entrenarlas para ser usadas en psiquiatría.

 

En el área de psiquiatría computacional, uno de los primeros casos de aplicación de modelos de aprendizaje automático fue en pacientes depresivos o bipolares en fase depresiva (estas patologías tienen como características principales depresión del estado de ánimo, falta de interés o placer en actividades que antes lo generaban, pérdida de peso, trastornos de sueño y fatiga, entre otros). Los modelos usados en un principio eran muy simples: se estudiaba la calidad de las emociones expresadas por los sujetos (positivas y negativas) y su intensidad, los términos referidos a los aspectos sociales, etc. Toda esta información se metía en un modelo que permitiera inferir cuál era el perfil de los sujetos depresivos. Es decir, en vez de obtener los patrones que definen a un perro, este modelo había sido entrenado para inferir las características subyacentes de un discurso depresivo.

A partir de esta experiencia, junto a un grupo de colaboradores empezamos a pensar que quizás era posible extraer información de otro tipo de discursos; por ejemplo, en pacientes esquizofrénicos, intentando capturar los diferentes fenómenos que caracterizan y definen este cuadro. El ‘Manual diagnóstico y estadístico de los trastornos mentales’ (DSM), describe el espectro esquizofrénico y otros desórdenes psicóticos con varias y diferentes características. Algunas están relacionadas a alucinaciones, otras a delirios. Pero existe una cualidad particularmente útil para estudiar computacionalmente la esquizofrenia: el discurso desorganizado. Según describe el DSM- V, el discurso desorganizado es incoherente, salta de un tema a otro o responde preguntas de una manera no relacionada con el disparador.

Usando herramientas de procesamiento del lenguaje natural (la subárea de la inteligencia artificial encargada de lidiar con los lenguajes humanos), publicamos en 2015 un trabajo que describía un algoritmo capaz de medir esta alteración presente en pacientes esquizofrénicos. La base del algoritmo radicaba en interpretar lo más literalmente posible la noción descrita de incoherencia: ‘el individuo salta de un tema a otro’. Pero necesitábamos alguna forma matemática de representar las palabras, ya que la matemática es el lenguaje de las computadoras. Para eso usamos una herramienta que traduce del mundo de las palabras al mundo de las coordenadas: los word embeddings.

Dónde quedan las palabras

Para entender qué es el mundo de las coordenadas podemos pensar en un ejemplo simple: las coordenadas GPS de Buenos Aires (34°34’ S, -58°28’ O) y de Montevideo (-34°54’, -56°09’), que se encuentran relativamente cerca en kilómetros, son ‘similares’. Por otro lado, si comparamos las coordenadas de Buenos Aires con las de Quito (0°10’, 78°28’) no son tan similares. Esto mismo se puede hacer con los word embeddings: si dos palabras están relacionadas semánticamente entre sí, en el mundo de las coordenadas estarán más cerca que dos palabras no relacionadas.

Veámoslo en un ejemplo. Supongamos que tenemos las palabras manzana, pera, naranja, perro, gato, elefante, mesa, vaso, plato y mosca, y que nuestro modelo de word embedding ya está entrenado y sabe traducir las palabras a coordenadas de 2 dimensiones. Entonces, una posible traducción para este conjunto de palabras podría ser la siguiente:

El modelo de word embedding ordenó las palabras del espacio de 2 dimensiones de una manera bastante interesante. Se ven agrupadas las frutas alrededor de las coordenadas (-10, -8), los animales cerca de la coordenada (10, 10) y el otro grupo de palabras alrededor del (-4, -5).

En el ejemplo anterior, las palabras fueron elegidas ‘a mano’ en función a tres categorías simples. Es interesante la manera en que el modelo las ordenó porque, oh casualidad, agrupó las coordenadas de las palabras en las mismas categorías semánticas que pensamos para armar el ejemplo (los animales por un lado, las frutas por otro, etc.). Vemos que palabra ‘mosca’ tiene coordenadas bastante particulares; si bien está cerca de las coordenadas de animales es, por lejos, la que más cerca está de las frutas. Si bien esto puede parecer extraño, tiene cierto sentido semántico. Las moscas y las frutas están cerca en el mundo que nos rodea. De alguna manera, esta relación semántica más débil que la relación de clase (animal o fruta) tiene que ser capturada por el método.

Hay muchos experimentos de este estilo en los que invitan a sujetos a ordenar conceptos, y suelen encontrar que varios de los words embeddings usados se asemejan a cómo lo hacemos las personas.

Ante todo, coherencia

Teniendo disponibles modelos de word embeddings que nos permiten viajar del mundo de las palabras al mundo de las coordenadas, en nuestro trabajo presentamos un algoritmo que permite ensayar una definición de ‘pensamiento desorganizado’. Lo llamamos ‘algoritmo de coherencia’ y funciona así: a partir del discurso transcrito de un paciente (por ejemplo, la respuesta a la pregunta ‘¿Qué hiciste el fin de semana?’), partimos el texto en frases. El plan era buscar cuán cerca estaba cada una de esas frases de la siguiente, usando los words embeddings. El problema era que podíamos traducir palabras a coordenadas (como hicimos en el ejemplo de recién) pero no frases a coordenadas. Entonces necesitábamos encontrar una representación de cada frase, y para eso probamos lo más simple que se nos ocurrió: reemplazamos cada palabra de una frase por sus coordenadas y luego tomamos la coordenada promedio. Así, sustituyendo cada palabra por su coordenada y luego promediando las coordenadas por frase, un texto que antes era una lista de frases ahora era una lista de coordenadas.

Una vez que obtuvimos una lista de coordenadas como representación del texto, nos propusimos medir la coherencia del texto en dos niveles de profundidad: la coherencia de nivel 1, que describe cuán coherente es el texto si comparamos frases contiguas; y la de nivel 2, que busca evaluar la coherencia del texto de una manera más profunda, midiendo la coherencia ya no entre frases contiguas sino con una frase de distancia. Es decir, comparamos la primera frase con la tercera, la segunda con la cuarta, la tercera con la quinta, y así sucesivamente. De este modo, luego de correr el algoritmo, obtuvimos para cada texto dos tipos de datos diferentes (de nivel 1 y de nivel 2).

Pero no podíamos confiar en un algoritmo sin antes tener un control de que funcionara. ¿Cómo hicimos ese control? Agarramos obras clásicas de la literatura y mezclamos sus oraciones al azar; las analizamos con el algoritmo y dio como esperábamos: cuanto más mezclábamos las oraciones del texto original, más disminuía su coherencia.

Ahora sí, habiendo probado que el algoritmo andaba, era el momento de ensayarlo en pacientes con esquizofrenia. Invitamos a 20 pacientes y a 20 sujetos control a que nos contaran (de forma individual) qué habían hecho el fin de semana, los grabamos y le arrojamos esas respuestas al algoritmo para medir el nivel de coherencia en ambos grupos. La hipótesis se confirmó: la coherencia media de los sujetos esquizofrénicos era más baja que la de los sujetos control.

A la cancha

Como veíamos que todo estaba funcionando, nos propusimos entrenar un algoritmo de clasificación que, a partir del análisis de un nuevo discurso, pudiera decir si la persona que lo produjo era una persona con esquizofrenia. El resultado fue impresionante: encontramos que podíamos clasificar una nueva muestra con probabilidad de acierto superior al 85%. Es decir, en este grupo chico y potencialmente no representativo de la patología, pudimos entrenar un algoritmo de machine learning que, tras ofrecerle nuevas muestras, le acertó a si el sujeto tenía o no esquizofrenia el 85% de las veces.

Pero queríamos probar algo más: nos preguntamos si podíamos encontrar evidencias de distorsión en la coherencia del discurso en pacientes ‘sanos’, o al menos no diagnosticados con esquizofrenia, pero que por diferentes factores fueran considerados de alto riesgo de generar un estado patológico psicótico en un mediano plazo. Para eso contamos con una muestra de 34 pacientes del hospital de la Universidad de Columbia (EEUU). Les hicimos un seguimiento durante dos años y medio y, en ese tiempo, a 5 de esos pacientes se les diagnosticó esquizofrenia. Entonces vimos una oportunidad: era el momento de ver si había alguna diferencia en el discurso de estos 5 pacientes respecto de cuando eran sanos. Si su forma de expresarse era distinta, no sólo estábamos en condiciones de identificar la patología, sino que también podíamos hacer predicciones en plazos de meses.

Midiendo los valores de coherencia en esos textos, más otras características de lenguaje, logramos entrenar otro modelo de machine learning. Un nuevo método que nos permitió clasificar muestras de pacientes de alto riesgo y predecir cuáles generarían la patología y cuáles no, con un 100% de efectividad. Pero como este experimento estaba hecho con poquitos sujetos, lo repetimos con 59 pacientes más. El resultado fue de nuevo espectacular: pudimos predecir el desenlace en esquizofrenia con un 83% de efectividad.

Claro que nuestros resultados no convierten a estos algoritmos automáticamente en una herramienta de diagnóstico, pero sí muestran que estas tecnologías podrían ser muy útiles para complementar la visión crítica de los médicos. Estos ejemplos y muchos más ilustran cómo la psiquiatría puede ser sumamente nutrida por herramientas de las ciencias de la computación.

En tiempos en los que escuchamos y leemos cada vez más acerca de cómo algunas de estas tecnologías son usadas para vendernos productos o candidatos, es importante no sólo estar atentos y prevenidos en ese sentido (y usar las propias ciencias de la computación para defendernos de esas manipulaciones), sino también conocer la potencia que estas herramientas podrían ofrecer a los profesionales de la salud a la hora de predecir y diagnosticar diferentes condiciones psiquiátricas.

Bonus track

En los experimentos que contamos, la parte más difícil sin duda fue tomar la muestra del paciente por varios motivos, desde burocráticos hasta éticos, técnicos, económicos, etc. Cuando en nuestro laboratorio empezamos a trabajar en estos temas, los medicos grababan a los pacientes con cassettes que luego alguien tenía que, con muchísimo trabajo, transcribir a mano (posta). Entonces, entre que diseñábamos un experimento hasta que teníamos las mediciones hechas, pasaba mucho tiempo. Para mejorar esto creamos una app que permite la toma de registro de entrevistas psiquiátricas/psicológicas y luego el análisis de la aplicación de diferentes algoritmos, entre ellos el de coherencia. Si sos psicólogo, psiquiatra o trabajás o estudiás en temas relacionados y querés usarla, está disponible gratuitamente en http://sigmind.liaa.dc.uba.ar. ¡Escribinos!

 

Pensar con otros.

Ilustración:  Pedro Mancini  

Hay 59 comentarios

Añadir más
  1. Ingrid B

    Excelente artículo! Voy a entrar a su página a chusmear. Tanto que me metí en medicina y psiquiatría, y ahora recuerdo a la profe de matemática diciendo que sirven para TODO en la vida
    Gracias!

  2. Malena, psiquiatra

    Muy bueno! Si bien es útil para el diagnóstico, pata el tratamiento además de la medicación la comprensión y la empatía es fundamental

  3. Federico

    Muy interesante!. No puedo evitar imaginar un plugin para navegadores que analice comentarios en redes sociales y les asigne un puntaje a partir del cual considerar comentarios incoherentes para evitarnos la perdida de tiempo!!!

  4. Damián Pobihuszka

    Que bueno que los psiquiatras podamos disponer de más herramientas diagnósticas que nos ayuden en el complejo campo en el que trabajamos.
    Tiene esto relación con el algoritmo para predecir respuesta en depresión resistente a psilocibina?

  5. Sol

    Me pareció genial el avance que se esta buscando en psiquiatría. Pero me da miedo que el entusiasmo por la nueva técnica haga perder a la persona que tenemos en frente. Más allá de su diagnóstico o futuro diagnóstico, es una persona única e irrepetible con una historia particular.
    Usemos la tecnología para facilitar algunas cosas. Pero no perdamos de vista al sujeto, sus deseos y anhelos, no dejemos de mirar a los ojos ni de escuchar .

  6. Pela

    Muy linda nota. La verdad que te envidio, porque me dan muchas ganas de trabajar en eso.

    Comentario aparte: Quiero poner en duda eso de “a pesar de haber sido (los humanos) expuestos a muchos menos casos (de imágenes de perros)”. Puede ser que uno haya sido expuesto a menos perros individuales, pero si el cerebro puede captar (si no me equivoco) algo así como 12 frames/segundo, entonces mi sistema de reconocimiento de perros entrena con 43200 inputs/hora, más allá de que el dataset esté sesgado hasta haber observado varios perros distintos… digo yo, la verdad no sé exactamente cómo entrena el cerebro.

    • Facundo Carrillo

      Sos bienvenido a participar!

      Respecto a tu comentario sobre el entrenamiento del cerebro. No creo que vaya por ese lado de los frames (pq en realidad no vemos con frames, sino algo continuo), sino mas bien por el hecho de que la arquitectura del cerebro usada para entrenarte en esta tarea ya viene seleccionada asi por muuuchos años de destilamiento evolutivo.

      En los modelos de ML de redes neuronales, uno propone una arquitectura de la red y luego entrena. A su vez, aprende como estuvo andando rediseña la arquitectura, etc. En el cerebro nuestro esto ya nos vino gratis :D. Creeria que viene mas por ese lado.

      • Pela

        Aaah, no se me había ocurrido pensar que el cerebro hacía conv+pool before it was cool. Pero si vemos algo continuo, cómo se cuantifica la cantidad de información para entrenamiento del cerebro contra la de una NN?

        Creo que mi curiosidad es más fuerte que mi realización de que me estoy yendo completamente del tema y preguntando cualquier cosa.

        • Facundo Carrillo

          Es buena la pregunta, no se exactamente como compararlos, pero por mas que veas en frames, si ves el mismo gato 23849238492834 veces no vas a aprender mucho. De hecho, muchos algoritmos de ML lo overfittearias muchisimo dandole exactamente la misma muestra mas muy poquito de ruido.

          Mi punto iba a que, el cerebro de un niño ve una cantidad chiquita de animales, 10 perros, 10 gatos por decir y ya anda bastante bien (estoy imaginando cuales son estos numeros en funcion a mi sesgada experiencia… lo cierto q no tengo idea) . Si a un modelo de ML le damos 10 ejemplos por clase en formato pixeles encima, dificilmente lleguemos a buen puerto, pero tampoco se mucho del tema

          • Jonathan Andres Urbina Caviedes

            Recuerda que como humanos recibimos muchísimos más parámetros que una maquina.
            Cuando se ve un “PERRO” El algoritmo solo recibe la imagen, pero nosotros recibimos:
            – Imagen
            – Tamaños (Comparación; Un perro al lado de un gato o nosotros mismos)
            – Incidencia de la luz desde varios ángulos
            – Sonidos (Jadeo, ladrido)
            – Olor (No puedes describirme el olor de un perro, pero si puedes diferenciarlo al de un gato o un libro o de otro perro)

            Y algo muy importante y que no se toma en cuenta en la mayoría de las veces (Sobre todo cuando se trabaja con sistemas ambivalentes de 0 y 1 o Verdadero-Falso) es la “intención”, recuerda que como humanos aprendimos a comunicarnos a través de muchos lenguajes y uno de ellos es “Sentir y Pre Sentir la intención” a través de la mirada, el tono, volumen y campaneo de la voz.

            Una persona puede explotar esas propiedades/cualidades, una maquina no.

            Somete a tu Algoritmo al caso en que un psiquiatra tome el test, pero sabiendo de que trata el test y para que es el mismo.

            El al saber cuales son los “parámetros/sesgos” más comunes que definen a un esquizofrenico, obviamente le va a hacer querer “pisar el palito” para ver si aparte de poder decir y predecir si estas para el Cotolengo o no, también puede discernir si estas mintiendo o no, y a eso se le llama “INTENCIÓN” cuando se habla de programación en un sistema ambivalente (0,1)

            Eso lo aprendí cuando empece a programar sistemas, siempre venia un HDP que sometia a pruebas rigurosas el sistema que creaba, con la INTENCION de hacerlo crashear/buguear.

            Ya sea metiendo “ASD” en un campo que solo permitía valores numéricos.

            Una persona puede (Bien entrenad@) discernir si el paciente miente o no sobre algún trastorno (Hoy en día los progress toman como cool el tener un transtorno y son capaces de cualquier cosa con tal de tener status dentro la tribu)

          • Pela

            Entiendo. Lo que estaba pensando es que si tenés una NN robusta al overfitting, los 4e4 f/h te ayudarían a aprender un concepto de perro invariante por transformaciones semi-rígidas, digamos. Aunque un sólo perro no puede alimentar la necesidad de una NN de perros con varios colores y formas, sí puede ofrecer variabilidad en cuanto a tamaño percibido, posición, etc.

            Justo me acaban de mandar esto, por si te interesa https://www.technologyreview.es/s/10249/el-cerebro-almacena-la-informacion-como-un-cd-no-como-un-casete

  7. John

    BARBARO!!! Pero llegaron tarde muchachos, en FB hace años ya corre un test de bipolaridad, se trata de un *.PNG con una imagen de Coelho, y dice que: “…Si te gusta lo dulce y lo salado al mismo tiempo (Sandwich de REX’s con Dulce de Membrillo), que si tenes frió y calor al mismo tiempo y te encanta la pileta pero odias mojarte…… SOS BIPOLAR” / El test de Esquizofrenia es compartiendo lo mismo pero con la imagen de Harley Quinn (Suicide Squad) / y solo hicieron falta 24 Bit x Pixel.

    Jejejeje. Pero fuera de joda, me parece fantástico y a la vez aterrador (Soy programador y entusiasta del Deep Learning).

    Espero más papers sobre el tema.

  8. Marcos

    Muy interesante el trabajo, pero no sé si alguien podrías explicar que es la esquizofrenia, porque uno tiene la idea que una persona esquizofrénica es una persona con delirios, con alucinaciones visuales, alucinaciones auditivas, lenguaje desorganizado, falta de conciencia de la enfermedad, falta de conciencia de que las alucinaciones no son reales y parecería muy fácil darse cuenta, a simple vista, que estamos frente a una persona esquizofrénica. Pero no sé cómo es la evolución de la enfermedad, tal vez es por brotes, tal vez la creencia popular de los síntomas floridos, sean de un brote psicótico, que la enfermedad sea por brotes y que el resto del tiempo los síntomas no sean tan floridos.

    Ayer Novaresio entrevisto a Tinelli (https://www.youtube.com/watch?v=yOeLovaVcEQ). En la entrevista Tinelli dijo que su madre era esquizofrénica y que él le oculto el diagnostico a su madre, dijo que su madre se enteró que era esquizofrénica por la tapa de una revista que puso que la madre de Tinelli era esquizofrénico. Tinelli le habían dicho a su madre que tenía una depresión, no que tenía esquizofrenia, se enteró por la tapa de una revista.

    Mi pregunta es, se puede confundir la esquizofrenia con la depresión? Porque no le dijeron que tenía esquizofrénica, porque le ocultaron el diagnostico, es común que no se dé el diagnostico, que se oculte el diagnostico a un paciente esquizofrénico? Porque se le dijo que tenía depresión y no que tenía esquizofrenia? Otra cosa, cuando a una mujer se le dice que es loca, se le está diciendo que es esquizofrénica? Es un delirio cuando las mujeres que dicen que la sociedad las está matando, cuando en realidad por cada mujer que muere en un hecho violento mueren 4 hombres. Hay muchas mujeres a las que se les dice que están locas, en realidad se les está diciendo que son esquizofrénicas? Me parece que el psicoanálisis lacaneano puede tratar con las personas esquizofrénicas, esto es así?

  9. seba

    no existe ninguna evidencia de dicha relación amigo. un paciente con tendencia esquizofrenica puede tener un brote por fumar marihuana, o por tomar alcohol o por tener un ataque de nervios según tengo entendido

    • Marcos

      Cannabis and psychosis: search of a causal link through a critical and systematic review
      https://www.ncbi.nlm.nih.gov/pubmed/19748375

      The objective of this article was to examine whether cannabis use can be an independent risk factor for chronic psychotic disorders, by using established criteria of causality. Data extracted from the selected studies showed that cannabis use may be an independent risk factor for the development of psychotic disorders. Early screening of the vulnerability to psychotic disorder should permit improved focus on prevention and information about the specific risks related to cannabis use among this population.

      • Leopoldo

        Estimado el Cannabis contiene una mezcla compleja de cannabinoides con distinta actividad intrínseca sobre varios subtipos de receptores. Los receptores CB1 son activados por THC y su ubicación es predominantemente central, el subtipo CB2 es de distribución fundamentalmente periférica. Una particularidad del sistema cannabinoide endógeno es su polaridad inversa (dentro-axónica) , también llamada sinapsis retrógrada ( los receptores están ubicados en los axones ) y la anandamida es liberada por las dendritas.

        Existen dos factores fundamentales a tener en cuenta:

        1- la activación del receptor CB1 conduce inhibición de liberación de los neurotransmisores GABA (principal neurotransmisor inhibitorio del SNC) desde los axones de las interneuronas Gabaergicas en la corteza cerebral y la inhibición de la liberación de Glutamato (principal neurotransmisor excitatorio del SNC ). Vía inhibición de la liberación de GABA (inhibe la inhibición) es que el THC posee efectos estimulantes. Vía inhibición de la liberación de Glutamato genera efectos depresores principalmente en el mecanismo llamado potenciación a largo plazo (LTP) base de la adquisición de la memoria.

        2- El CBD posee efectos contrarios al THC, modulando y amortiguando su actividad. La ingestión de THC en su forma pura posee efectos psicoactivos potentes, similares a los efectos de sustancias disociativas pero sin producir sedación. En teoría es esta molécula la que tiene potencial psicomimético (activador de psicosis) en personas predispuestas . Por el contrario la administración de CBD en su forma pura posee efectos analgesicos, sedativos, ansioliticos, incluso se ha demostrado actividad antipsicótica intrínseca, además de los efectos inmunomoduladores, antiinflamatorios y antiproliferativos.

        THC suele ser ansiogénico y sería el responsable de las distorsiones temporo espaciales, visuales, y potenciadores de la imaginación, así como de los efectos amnésicos.

        Conozco algunos psiquiatras que están usando aceite de cannabis rico en CBD con el objetivo de disminuir paulatinamente hasta suprimir por completo la administración de antipsicóticos tanto ” típicos” como el Haloperidol (antagonistas D2) como “atípicos” como la Risperidona (bloqueo D2/ 5HT2a) con excelentes resultados y una muy baja incidencia de efectos secundarios generales, y lo que resulta más importante con ausencia total de efectos extrapiramidales ( discinesia tardía, rigidez acatisia, parkinsonismo) . En este punto hay que ser claros, ya que los médicos no advierten de manera clara que estos efectos NO SON EFECTOS FARMACOLÓGICOS. LOS NEUROLÉPTICOS TÍPICOS Y ATÍPICOS SON NEUROTOXINAS DOPAMINÉRGICAS ESPECÍFICAS QUE DAÑAN LAS NEURONAS DEL NÚCLEO ESTRIADO TANTO COMO LA COCAÍNA ES UNA NEUROTOXINA ESPECÍFICA DE LAS NEURONAS DOPAMINÉRGICAS EN LA CORTEZA FRONTAL Y PREFRONTAL.

        Estos hallazgos ayudan a entender la disparidad y as discrepancias en cuanto a la clasificación de los efectos de la Marihuana ya que depende de las concentraciones relativas de estas dos sustancias activas y de su compleja interacción con un sistema tan complejo y tan poco estudiado.

        Para concluir, la experiencia anecdótica de usuarios de distintos preparados con distintas proporciones, a fines medicinales “se necesita la planta entera” a excepción del tratamiento de reducción de dosis de neurolépticos en personas con psicosis. Ahora bien como los neurolépticos son una de las clases farmacológicas mayormente sobre prescriptas en pacientes no psicóticos, queda pendiente si es conveniente que los preparados que se usan en esta población por demás heterogénea contengan o no THC, o solo se administre CBD.

  10. Kino

    El problema es que el algoritmo cae en la misma inconsistencia en que cayó la psiquiatría en toda su historia: asimilar normalidad con salud. Así se termina volviendo la ciencia más conservadora de toda. Vamos, usen algoritmos, detecten la anormalidad rápido, normalicen mejor. Hola gran hermano.

    • Facundo Carrillo

      Comparto el problema q manifestada en tu comentario, igual creo q hay q separar dos cosas.

      Una es el algoritmo que mide la propiedad del lenguaje en si. Esta parte es independiente del diagnóstico, podría incluso ser usada para otra tarea q la de diagnóstico.

      Por otro lado, está la parte donde usando esta info se copia el comportamiento de diagnóstico, está si le da más inercia al asunto.

      En definitiva creo q lo bueno es tener separadas estas partes para que cuando cambies la definición de diagnóstico, se recalcule esa parte

      • Kino

        Es que justamente el lenguaje no tiene “propiedades en sí” objetivas . En el momento en que empezamos a darle a los constructos históricos y sociales (como lo es cualquier lenguaje, idiomas, dinero, matemáticas, etc.), propiedades naturales, caemos en la lógica conservadora. De qué manera definimos que una determinada estructura linguística sea asociada a la salud y otra a la patología? La única forma es asociándola a la normalidad / anormalidad. Y cuando caemos en eso, nos tenemos que dar cuenta de que normalidad es igual a adaptación al sistema y anormalidad la no correcta adaptación. Con lo cual lo que estamos haciendo, en definitiva , es igualar salud con adaptación. Y eso es conservadurismo duro. Porque cuando encontramos desviaciones con respecto a eso, la acción correctiva es sobre el individuo que no logra adaptarse, en lugar de ser acción política transformadora del el sistema. Que como acá sabemos es un sistema desigual, violento, amtiecológico, alienante, etc..

        • Facundo Carrillo

          Probablemente me explique mal, intento de nuevo. Podriamos medir por ejemplo la cantidad promedio de letras que tienen las palabras de un discurso. Un algoritmo que haga esto no pareceria estar reforzando ningun sesgo muy fuerte sobre la salud. Asi como este podriamos medir muchos mas. Como output de este primer proceso, podemos contruir herramientas con bajo sesgo que permiten cuantificar el lenguaje con diferentes numeritos.

          Luego si, viene la parte que criticas que consiste en, incercialmente, modelar como hace el medico actual para asignar estos numeritos a una patologia. Eso, q tambien estamos haciendo y acepto tu critica, es posterior y no condiciona la primer parte, que en mi opinion, tiene valor por si misma.

    • Marcos

      “Las verdes ideas incoloras duermen furiosamente”, sintácticamente correcta, pero carente de sentido. Las ideas no tienen color, pero si tuvieran color no serían verdes e incoloras. Además, si las ideas duermen, no pueden estar furiosas. ¿Qué te da el algoritmo para una frase de este estilo? Supongo que las palabras que componen la frase están muy alejadas semánticamente.

      Pero tal vez se le podría encontrar a la frase un sentido metafórico, o tal vez no. Pero en las poesías muchas veces el sentido de las palabras, de la frase, no es literal, es metafórico. Tal vez “verdes ideas incoloras duermen furiosamente” no tenga un sentido metafórico, pero muchas narraciones si y espero que no todos los poetas estén locos.

      Más allá de si hay o no hay relación entre los artistas, la creatividad y la locura, mi pregunta es que da el algoritmo para escritos con sentido metafórico, no literal, como poesías y escritos que no sean paper científico, sino que puedan tener varios sentidos, que usen la metáfora. Una última pregunta, el Word embedding tiene alguna relación con diferencial semántico de Charles Osgood?

      • Facundo Carrillo

        Muy buena pregunta! El algoritmo en poesía anda pésimo, los humanos no entrenados en poesía probablemente también, en darle un sentido coherente a una poesía es difícil…

        Por eso, en los experimentos solemos controlar mucho la consigna disparadora, por ejemplo, “contame q hiciste el fin de semana” o “háblame de personas queridas”

        Las metáforas y la ironía probablemente sean el ultimo bastión para la IA referida al lenguaje.

        Del diferencial semántico no tengo idea, no lo conozco.

        • Marcos

          Podrias comparar canciones, letras, de rock. Quien esta mas loco, Charly Garcia o los Redonditos? Quiero decir cual letra de que cancion de rock da peores resultados, o tiene la coherencia media mas baja? Las letras de los redonditos usan mucho de la metafora, pero me parece que Charly Garcia esta mas loco.

  11. Kino

    Está perfecto. Creo que este es el camino. Los sigo hace un montón de tiempo y me parece buenísimo lo que hacen. Sólo prevenir que en el devenir desde los problemas de la materia hasta los de la conciencia, no es sólo una cuestión de complejidad molecular, sino que hay diferencias cualitativamente sustanciales. En los temas en los que se están metiendo no sólo es ciencia, sino también filosofía y política. Buena onda el gato y la caja

  12. Leopoldo

    Fantástico, soy biólogo, docente y acompañante psicoterapéutico. Como AT s formamos parte de un dispositivo de salud mental ( en el mejor de los casos, interdisciplinario ) y, dentro de nuestras variadas funciones en el dispositivo, se destaca la observación ( y su consecuente informe ) de posibles factores de riesgo. Esta tarea se desprende inmediatamente del otra de nuestra función principal: acompañar en el mantenimiento de los ” pactos de consultorio” en la vida cotidiana e insertos en la trama vincular de personas con padecimiento mental. Anticiparse a las crisis, observar y comunicar pródromos permite al dispositivo ser prospectivo; este punto no es menor ya que es un hecho evidenciable que prevenir una crisis, resulta más saludable, ecológico, económico y mucho menos angustiante para la persona, su entorno y el dispositivo.
    Sin ánimos de andar generando ” diagnósticos a domicilio ” con una App; esta nos puede proveer información de gran valor que luego será cotejada en el ambito extrictamente clinico.

    Facundo, no soy muy amigable a la hora de repartir calificativos que exaltan el narcisismo de las personas, menos aún a repartir adulaciones de manera gratuita: Ergo, sos un maldito genio!

    Ya descargue la App y te escribí a tu correo ya que imagino que debes validar el usuario porque no funciona.

    Abrazo.

    • Marcos

      Hola Leopoldo, te quería hacer una pregunta sobre el diagnostico de esquizofrenia. Hay que darle el diagnostico al paciente, o al paciente hay que decirle cualquier cosa, y el verdadero diagnostico hay que dárselo a un familiar? Porque te pregunto esto. Porque el otro día estaba escuchando la entrevista que le hizo Novaresio a Tinelli. Tinelli conto su madre tenía esquizofrenia pero que su madre no lo sabía, que le habían dicho que tenía depresión, no esquizofrenia, para no preocuparla. Escuche otros casos similares. Quería saber si es común que a las personas esquizofrénicas se les mienta el diagnostico, se les diga otro diagnóstico y el diagnostico verdadero se lo dan a un familiar? Si es así, porque se hace, cual es el fundamento, el paciente no tiene derecho a conocer su diagnóstico?

      • Leopoldo

        La Ley nacional 26657 y sus anexos contemplan una figura legal que se denomina ” consentimiento informado” Toda persona (el paciente, que en esta ley deja de atrás esa denominación para adoptar la siguiente: sujeto activo de terapia) tiene derecho (por ende otra persona, el médico) a conocer su diagnóstico y las distintas opciones de tratamiento en toda la profundidad que su nivel de comprensión lo habilite. En algunos caso existen personas que padecen esquizofrenia en comorbilidad con retrasos madurativos de la cognición, aun así a la persona se le debe informar hasta donde pueda entender; y dado el caso hacer accesible tal información a la capacidad de comprensión. Esto no sucede en la práctica porque la mayoría de las provincias carecen de un “Órgano de revisión Autárquico” en salud mental que fiscalice y regule las practicas y haga cumplir las reglamentaciones vigentes en la citada Ley, tomando a la persona con padecimiento mental subjetivo, como “sujeto de Derecho” y como sujeto activo de terapia. Lo mismo ocurre con los tratamientos, cada persona con PMS tiene derecho a recibir informacion acerca de todas las posibilidades terapéuticas disponibles, incluso rechazarlas si no le parece adecuada, distinto es si la persona presenta “riezgo de vida inminente para si o para terceros”, se procede a la judicialización

        • Marcos

          Si, lo que decís esta bien desde el punto de vista de la ley, pero desde el punto de vista de la salud mental del pacientes, que dicen las distintas teorías psicológicas? Además del caso de la madre de Tinelli, son muchos los casos que conozco que se le miente el diagnostico al paciente, el diagnostico verdadero se lo dicen a un familiar, no al paciente, al paciente se le dice otra cosa. En resumen, lo que me gustaría sabes es si más allá de lo que diga la ley, que es lo que dice el psicoanálisis, o las teorías cognitivas conductuales? es recomendable darle el diagnostico o es preferible mentirle? Por ejemplo, si el paciente consulta por una fobia y no quiere tomar la medicación, está bien que el profesional se comunique con los padres del paciente

          • Leopoldo

            A ver, la ley no nace de un repollo. Tanto el psicoanálisis como cualquier otra rama de la psicología y la psiquiatría se valen de diagnósticos, la teoría sistémica incluso, que NO considera al portador del síntoma como el núcleo patológico se vale de diagnósticos. El consentimiento informado forma parte del código deontológico de la medicina . NO siempre comunican el diagnóstico, ya que nadie los controla. Ergo, desde las diversas teorías “llegar a un diagnóstico” han de ser procesos diferentes con cursos temporales diferentes. No te olvides que los dispositivos de salud mental ( por más que la ley diga lo contrario) son verticales y quien tiene la ultima palabra es el médico, en este caso el Psiquiatra y la psiquiatria parte de un diagnóstico presuntivo para luego instalar una modalidad terapéutica ( siempre farmacológica ). Luego a los psicólogos ya llega el paciente con una etiqueta.

            A fines terapéuticos se diga o no el diagnóstico, si o si deben ser comunicadas o bien marcadas las limitaciones ( como también hacer hincapié en los factores habilitantes) propias a cada condición patológica y sus comorbilidades, esto es lo mismo que decir el diagnóstico cuando la persona puede comprender ( no sería el caso de un autismo severo o un retraso mental profundo) que un grupo de factores limitantes configuran dentro de los árboles de decisión un núcleo patológico. AS esto sumale la medicación que se le administra a la persona, desde donde la persona podrá inferir su diagnóstico o por lo menos “el espectro sintomático” .
            por todo esto es un falta de ética total no comunicar el diagnóstico una vez que ha sido confirmado.
            Las personas con esquizofrenia no son “personas tontos” y muchas de las personas que los individuos en una sociedad rotulan como tontas, suelen poseen habilidades que quedan sepultadas bajo el rotulo.

          • Leopoldo

            Vos decis desde la salud mental de la persona: pasemos primero desde el estadio moral al estadio ético. Desde la culpa hacia la responsabilidad. Desde ser un PACIENTE a ser un SUJETO ACTIVO DE TERAPIA.

            Estimo que haciendo este movimiento queda más claro el asunto. Las personas, todas; independientemente de si somos rotuladas bajo una categoría y si sufrimos o no por esta condición: a todos se nos hace necesario para un desenvolvimiento que implica el desarrollo conocer nuestras capacidades y nuestras limitaciones.

            Esto aplica a todos.

  13. Leopoldo

    Como comentario adicional, chequea el enlace http://sigmind.liaa.dc.uba.ar/ ya que en la informacion de contacto tu correo electronico figura asi : fcarrillo (en) dc.uba.ar . El grafema compuesto (en) es el resultado de la traducción digital y automática desde el inglés al castellano del signo @.

    Jajajaja, esto es prueba fáctica que toda información resultante de algoritmos debe ser cotejada por el ojo humano,

    Abrazo grande

    • Marcos

      No entiendo, si A es verdadero y B es falso, entonces (A entonces B) es falso y (B entonces A) es verdadero, pero false = verdadero da falso. Que significa un comentario con una expresion falsa?

  14. Leopoldo

    Es una tautología estimado, Si A= (v) entonces B = (v) , Luego Si B=(V) entonces A= (v). En palabras: Si A es el caso es condición para que B sea el caso; de igual manera Si B es el caso es condición para que A sea el caso.

    Vamos al ejemplo: A ( La adrenalina se libera en condiciones en las que el el organismo se siente bajo amenaza produciendo taquicardias ) entonces B ( Las taquicardias producto de la liberación de adrenalina generan sentimiento de amenaza vital), B (Las taquicardias producto de la liberación de adrenalina generan sentimiento de amenaza vital) entonces A (se libera adrenalina como producto de la amenaza vital)
    así se produce por ejemplo, un ataque de pánico, por el mismo mecanismo de feed back positivo se produce el parto.

    Lo que vos propones asignando un valor que no está dado, en el caso que así fuera, sería una contradicción y no tiene sentido que no es equivalente a que sea falsa.

    Proposiciones derivadas sucesivas, pero circulares… la expresión no es falsa.
    No entiendo porque inferiste B=(f)

    • Marcos

      Me parece que estas equivocado, lo raro es que pasaron dos días y nadie respondió, mis argumentos por los que creo que estos equivocados son los siguientes:

      Vamos a tu ejemplo, sea:
      A = amenaza(situaciones y sentimientos)
      B = Cantidad de adrenalina en el organismo
      C = Taquicardia

      Hipótesis 1 en palabras:
      Cuando el organismo se siente bajo amenaza se libera adrenalina y la adrenalina liberada produce taquicardia

      En símbolos
      A -> B
      B -> C

      Hipótesis 2 en palabras:
      Las taquicardias generan sentimiento de amenaza

      En símbolos
      C -> A

      Las taquicardias es una condición suficiente para generar sentimientos de amenaza.
      Los sentimientos de amenaza es la condición necesaria de las taquicardias.

      A ->B ≡ B->A

      No es una tautología, tampoco es una contradicción, ni es un razonamiento valido, es algo que a veces es verdadero y a veces el falso.

      En A -> B
      A es condición suficiente y B es condición necesaria

      • Marcos

        Estaba pensando que tal vez era solo un error de escritura, lo que quisiste decir es A = B, esto es
        A es equivalente a B, o lo que es lo mismo A –> B y B -> A, esto es siembre que A es verdadero, B es verdadero, y siempre que A es falso B es falso. A ≡ B es una tautología.

      • Leopoldo

        Los sentimientos de amenaza es la condición necesaria de las taquicardias. Es esto falso . existen muchas condiciones fisiológicas psicológicas, normales y patológicas que cursan con taquicardia de manera independiente a la concentración de adrenalina

  15. María

    Excelente nota! Está buenísimo generar más conciencia en lo mucho que se puede hacer en otros campos que no necesariamente tengan que ver con publicidad y ventas. Hay alguna forma (ya sea de voluntariado o no) de colaborar con esa búsqueda?

  16. Marcos

    Como se maneja el tema de los falsos positivos y el estigma del que Marcelo Cetkovich. Cuando estudiaba psicología la profesora titular de psicobiologia experimental tenia serios problemas con el alcohol y en las reuniones de cátedra los demás profesores, todos psicólogos, se cagaban de risa, Me acuerdo que un compañero mío, también ayudante alumno, me decía que no podía entender, como en vez de ayudarla, el alcoholismo es una enfermedad, hay varios tratamientos para el alcoholismo, los demás profesores, todos psicólogos, se burlaran. Tal vez de muchos falsos positivos, o sean tambien síntomas de otras patologías. Instale la aplicación en mi celular, no puedo usarla, tengo que pedir autorización para poder usarla?

    • Leopoldo

      ” El ámbito Psi ” Psiquis de granito, es curioso que las personas que trabajamos en salud mental terminemos sobreadaptados (…) Cuando no con algún padecimiento, en general derivado de la institución. No de los pacientes, como se suele imaginar .

      Yo tampoco puedo usar la App. Help!!

  17. Franco

    Son grosos. Me pregunto si el mismisimo hecho de ordenar los patrones que definen un algoritmo no es un acto humano tan puramente subjetivo y de epoca. Lo que planetea Foaucualt en tanto al Saber-Poder-Orden. Lo cuestiono desde las ciencias socialagicas desconociendo los estandares Cientifico-Matematicos, pero creo, no ciegamente sino desde mis humildes lecturas, que siempre seran regidos por un poder social necasario del orden. Definir al “loco” para tratarlo, aislarlo y medicarlo. La Afasia que plantea Foucault en Las palabras y las Cosas, como un necasario reordenamiento constante de lo ya dado por el lenguje, que nos habla mas que nosotros él.
    Los aplaudo y los voy a leer mas seguido .

  18. Gabriela Velez

    Me fascinó la nota, estoy en cuarto año de psicología y estas problemáticas surgieron en una charla con compañeros el finde anterior. Hay que probar esta app!
    Otra cosilla que quisiera acotar, me deja muy tranquila que no estén usando la “e” , estuve viendo mucho revuelvo con dicho lenguaje inclusivo y que se lleve a cabo para redactar trabajos de índole “científico” , sin haber sido avalado siquiera, me consternó y dejó fuera de eje respecto a la pagina, debo admitir que la sigo hace cinco años y me encanta! . Voy a seguir disfrutando. Felicitaciones por tan exquisito trabajo, envolvente !


Publicar un nuevo comentario