Por: Andrés Camargo
El diagnóstico del Trastorno por Déficit de Atención e Hiperactividad (TDAH) ha sido tradicionalmente un proceso complejo, que depende de entrevistas clínicas, cuestionarios para padres y pruebas neuropsiquiátricas que consumen tiempo y recursos.
Esta subjetividad puede llevar a variaciones en el diagnóstico. Pero ¿y si una simple fotografía del ojo pudiera ofrecer una pista objetiva y cuantificable? Un estudio reciente realizado por la Universidad de Medicina de Yonsei, en Seúl, Corea del Sur; explora precisamente esa posibilidad.
Esta investigación pionera en el campo ha utilizado imágenes del fondo del ojo, analizadas por modelos de inteligencia artificial (IA), para identificar a niños y adolescentes con TDAH con una gran precisión. Este enfoque no invasivo podría transformar el análisis y detección temprana de esta condición.
¿Qué es exactamente el TDAH?
Lejos de ser un simple problema de comportamiento, el Trastorno por Déficit de Atención e Hiperactividad es una de las condiciones del neurodesarrollo más comunes en el mundo.
El diagnóstico temprano y una intervención oportuna son cruciales para mejorar el pronóstico de quienes lo padecen. Sin embargo, la falta de marcadores biológicos, también conocidos como biomarcadores; claros y el solapamiento de sus síntomas con otras condiciones hacen que su diagnóstico sea un desafío, especialmente en niños pequeños.

Y… ¿Qué es un biomarcador?
Pensemos en el tablero de un coche. Cuando se enciende la luz del nivel de gasolina, esa luz no es el problema en sí, sino una señal medible y objetiva de que algo ocurre en el motor. Así funciona un biomarcador en medicina.
Es una molécula o una característica biológica que se encuentra en el cuerpo y cuya presencia o alteración indica un proceso normal, una enfermedad o la respuesta a un tratamiento. El TDAH ha carecido de un biomarcador fiable, pero este nuevo estudio propone que la estructura de la retina podría serlo.

¿Cómo se realizó la investigación?
El estudio, realizado en Corea del Sur, contó con 323 niños y adolescentes diagnosticados con TDAH, y un grupo de control de 323 participantes con desarrollo típico, emparejados por edad y sexo. A todos se les tomaron fotografías del fondo del ojo; un procedimiento rápido, no invasivo y bien tolerado.
Posteriormente, los investigadores utilizaron un software de inteligencia artificial llamado AutoMorph para analizar las imágenes y extraer automáticamente características detalladas de la retina, como la densidad de los vasos sanguíneos, el grosor de las arterias y venas, y las dimensiones del disco óptico.
Con estos datos, entrenaron cuatro tipos diferentes de modelos de aprendizaje automático (o machine learning) para que aprendieran a distinguir entre las retinas de los participantes con TDAH y las del grupo de control. Estas fueron: Random Forest (RF), Extreme Gradient Boosting (XGBoost), Extra Trees Classifier (EXT) y Logistic Regression (LR)

¿Qué encontró la inteligencia artificial en los ojos?
Todos los modelos de IA demostraron una capacidad excepcional para diferenciar a los niños con TDAH, alcanzando una precisión de entreel 95.5 por ciento y el 96.9 por ciento.
Dicha medición se realizó en AUROC; un gráfico que ilustra el rendimiento de un modelo de clasificación a través de varios umbrales, trazando la Tasa de Verdaderos Positivos frente a la Tasa de Falsos Positivos.
La IA no sólo diferenció los grupos, sino que identificó qué características eran las más importantes. Los rasgos más distintivos se encontraron principalmente en la vasculatura de la retina.
Se observó que los niños con TDAH tendían a presentar una mayor densidad y grosor general de los vasos sanguíneos en la retina, así como un disco óptico y una copa óptica de menor tamaño.
Los investigadores creen que estas alteraciones podrían estar relacionadas con la dopamina, un neurotransmisor clave en el TDAH.
Dado que la retina es una extensión del sistema nervioso central y comparte un origen embrionario con el cerebro, las variaciones en su estructura podrían reflejar procesos neurobiológicos subyacentes del TDAH.
¿Podría esta técnica predecir el tipo de déficit de atención?
El estudio fue un paso más allá, y evaluó si las características de la retina podían predecir dificultades en dominios específicos de la atención, medidos a través de una prueba computarizada.
Los modelos de IA tuvieron un alto rendimiento al predecir déficits en tareas de atención visual. Sin embargo, su desempeño fue notablemente bajo al intentar predecir problemas en tareas de atención auditiva.
Este hallazgo sugiere que los biomarcadores de la retina están fuertemente ligados a la función del sistema visual, un área que se sabe que está afectada en el TDAH.
En contraste, los modelos no lograron predecir la severidad general de los síntomas reportados por los padres, lo que refuerza la idea de que esta herramienta sería un complemento, y no un sustituto, del diagnóstico clínico tradicional.
No obstante, este estudio presenta una evidencia sólida de que el análisis de la retina mediante inteligencia artificial tiene el potencial de convertirse en una herramienta de cribado rápida, objetiva y accesible para el TDAH.
Aunque se necesita más investigación para validar estos hallazgos en poblaciones más diversas, esta innovadora técnica abre una puerta hacia el futuro del diagnóstico en salud mental, donde una simple mirada a los ojos podría revelar mucho de lo que ocurre en el cerebro.
Para más información de Rizoma:
https://www.uniminutoradio.com.co/rizoma/