Diagnóstico temprano del TDAH basado en aprendizaje automático con interpretación del valor SHAP

Antecedentes

El Trastorno por Déficit de atención e hiperactividad (TDAH) es uno de los trastornos del neurodesarrollo más frecuentes en la infancia, caracterizado por síntomas persistentes de inatención, hiperactividad e impulsividad. Su diagnóstico suele basarse en evaluaciones conductuales y entrevistas clínicas, lo que puede dificultar la detección precisa debido a la superposición sintomática con otros trastornos psiquiátricos y a la alta variabilidad individual.

Estas limitaciones subrayan la necesidad urgente de desarrollar métodos diagnósticos objetivos y tempranos, que puedan apoyar la detección oportuna del TDAH y mejorar la toma de decisiones clínicas, así como la evaluación de la respuesta al tratamiento.

Métodos

Este estudio se realizó en el Departamento de Pediatría del hospital Afiliado a la Universidad Jiangnan entre noviembre de 2022 y enero de 2024. Se recopilaron diversos datos clínicos de niños con sospecha de TDAH, incluyendo:

- Hemograma completo

- Pruebas de función hepática y renal

- Niveles de glucosa en sangre

- Perfil de electrolitos séricos

- Concentraciones séricas de 25-dihidroxivitamina D3

Posteriormente, se aplicaron algoritmos de aprendizaje automático para seleccionar las variables más relevantes (feature selection) y construir modelos predictivos que ayudaran a identificar a los niños con mayor riesgo de TDAH.

Resultados

Tras evaluar múltiples modelos, los análisis indicaron que el algoritmo Gradient Boosting Machine (GBM) fue el más eficaz para la predicción del TDAH. Este modelo destacó cuatro biomarcadores clínicos clave como predictores del riesgo:

- Niveles de beta-2 microglobulina en sangre

- Ancho de distribución de glóbulos rojos (RDW)

- Niveles de 25-dihidroxivitamina D3

- Porcentaje de eosinófilos

Estos hallazgos sugieren que ciertos parámetros bioquímicos y hematológicos podrían utilizarse como marcadores clínicos no invasivos para apoyar el diagnóstico temprano del TDAH.

Conclusión

Los resultados sugieren que el modelo GBM puede ser una herramienta diagnóstica prometedora para el TDAH infantil, mejorando la precisión diagnóstica en etapas tempranas. Sin embargo, se requieren estudios adicionales a gran escala para validar estos hallazgos y profundizar en los mecanismos fisiopatológicos que relacionan estos marcadores con el desarrollo del TDAH.

Resumen modificado por Cibermedicina

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.dovepress.com/