Predicció anatòmico-clínica del risc d'evolució desfavorable en el pacient amb trastorn mental cap a la medicina personalitzada

Els tres objectius principals en la teràpia en pacients amb trastorn mental són aconseguir una remissió simptomàtica, la recuperació social i reduir el risc de futures recaigudes. Poder estimar el risc que succeeixin aquests objectius serà, per tant, de màxima importància. I si bé, és important millorar els símptomes de l'episodi actual per tal d'aconseguir la remissió simptomàtica, és igualment important preveure el risc de recaiguda, ja que al voltant del 30% dels pacients amb un primer episodi psicòtic (PEP) recauran abans del primer any, i fins a un 80% ho faran abans de 5 anys. L'objectiu d'aquesta tesi ha estat crear I validar un model d'estimació del risc de recaiguda després d'un primer episodi psicòtic a partir de dades clíniques I de ressonància magnètica, usant dades de diferents centres de l'estat. La tesi està formada per dos articles: 1) en el primer es mostra la importància de controlar l'efecte potencial del centre en el moment d'avaluar el rendiment d'un model i es proporcionen formes sobre com fer-ho, i 2) en el segon s'explica el procés per a la creació del model, es facilita una eina per a aplicar-ho fàcil i es valida en una mostra de 227 pacients amb un primer brot psicòtic. Per a poder realitzar aquest objectiu, dins d'aquest treball s'han abordat primer dues qüestions metodològiques: a) com controlar el biaix potencial pel fet de tenir dades multicèntriques; i b) quines són les característiques de la ressonància magnètica cerebral estructural i el pre-processament òptim per tal d'aconseguir millors prediccions. Per tal de controlar l'efecte del centre en estimar el rendiment d'un model multicèntric: primer es demostra la importància que té controlar aquest efecte amb dades sintètiques i dades reals; a continuació es proposen dos mètodes per tal d'evitar la presència d'aquest biaix, i es detallen les característiques per tal d'escollir el que s'adapta millor a les dades. A més, es facilita una eina de fàcil ús per tal que es pugui controlar aquest efecte de forma fàcil. Respecte a aconseguir les característiques idònies de la ressonància magnètica cerebral estructural i el pre-processament òptim per a una millor predicció, s'han utilitzat dues bases de dades independents per tal de veure quines característiques ajuden a una millor rendiment dels models comparant diferents configuracions. Per a la creació de l'eina, s'han utilitzat tècniques d'Intel·ligència Artificial sobre dades de ressonància magnètica cerebral conjuntament amb dade