Ao longo da última década, os cientistas acumularam um impressionante arsenal de armas para enfrentar o desafio multifacetado e complexo das doenças mentais, desde novas ferramentas de análise genômica e tecnologias de neuroimagem de alta resolução, até à criação de enormes bancos de dados de pacientes e novas inteligências artificiais, modelos para analisá-los. No entanto, apesar do surgimento destas ferramentas sofisticadas, a procura de tratamento personalizado – uma abordagem médica em que os médicos utilizam o perfil genético único de um paciente para adaptar o tratamento individual – tem sido até agora insuficiente para quase todas as perturbações neuropsiquiátricas.

Esses esforços foram fundamentalmente limitados pela falta de compreensão de como os sintomas são mapeados nos circuitos cerebrais, disse John Murray, ex-professor de psiquiatria e física em Yale, agora no Dartmouth College.

Uma nova estrutura de modelagem generativa desenvolvida em Yale, no entanto, pode ajudar os neuropsiquiatras a prever melhor a relação entre múltiplas leituras neurais e os sintomas dos pacientes, dizem os pesquisadores. Este avanço pode ajudar o campo da neuropsiquiatria a “tomar decisões informadas sobre como os estudos e ensaios clínicos são concebidos e executados para ter uma maior probabilidade de mapear os sintomas nos circuitos cerebrais”, disse Alan Anticevic, professor associado de psiquiatria de Glenn H. Greenberg e associado. professor de psicologia e um dos autores do estudo.

As descobertas foram publicadas na revista Communications Biology.

Os desafios de encontrar tratamentos específicos para doenças neuropsiquiátricas são inúmeros, dizem os pesquisadores. As condições psiquiátricas são altamente complexas e envolvem muitas regiões diferentes do cérebro. E os sintomas podem variar muito entre os indivíduos. Embora o advento dos modelos de inteligência artificial tenha oferecido a promessa de adaptar novos medicamentos a uma variedade de sintomas individuais de doenças como a esquizofrenia, estudos demonstraram que, embora os algoritmos matemáticos fossem capazes de prever os sintomas ou resultados dos pacientes nos ensaios clínicos específicos para os quais foram desenvolvidos, eles não funcionaram para grupos semelhantes de pacientes participantes de um estudo diferente. Estes resultados divergentes foram atribuídos ao “overfitting” – ou à tendência dos modelos de inteligência artificial de encontrar padrões de atividade em pequenas quantidades de dados que desaparecem quando aplicados a outros grupos de assuntos.

Para superar essas limitações, o neurocientista Markus Helmer projetou um novo modelo estatístico generativo enquanto era pesquisador de pós-doutorado no laboratório de Murray em Yale. O modelo pode estimar o tamanho ideal dos conjuntos de dados necessários para estimar com precisão como os sinais cerebrais se relacionam com o comportamento em diferentes indivíduos.

No novo estudo, que foi liderado por pesquisadores de Yale e da Universidade de Nottingham e utilizou o modelo de Helmer, os cientistas analisaram dados de neuroimagem de indivíduos coletados de dois grandes bancos de dados psicométricos de neuroimagem – do Human Connectome Project, um projeto enorme, apoiado pelos Institutos Nacionais de Saúde, que estudam a conectividade estrutural e funcional do cérebro humano, e pelo Biobanco do Reino Unido, que contém informações genéticas desidentificadas e amostras biológicas de meio milhão de participantes.

Os pesquisadores descobriram que para medir de forma confiável uma associação entre múltiplas regiões neurais e múltiplos traços comportamentais podem ser necessários até 10.000 indivíduos.

Com base nesta descoberta, os investigadores dizem que o modelo de Yale fornece os critérios necessários para estabelecer a fiabilidade das relações cérebro-sintomas, que por sua vez podem ser utilizados pelas empresas farmacêuticas para conceber e interpretar estudos de neuroimagem que procuram encontrar bases neurológicas para sintomas psiquiátricos em diversos grupos de pacientes.

Murray, Anticevic e Helmer são agora diretores de uma startup lançada em Yale, chamada Manifest Technologies. A startup comercializará o modelo estatístico para empresas farmacêuticas que buscam desenvolver ensaios clínicos mais eficientes para condições psiquiátricas.

Murray e Stamatios Sotiropoulos, de Nottingham, são coautores seniores do artigo. Helmer é o autor principal do artigo.