Nuestras mentes a menudo quedan atrapadas en pensamientos repetitivos, como errores pasados, arrepentimientos, inseguridades o conflictos no resueltos. Este patrón de pensamiento negativo persistente, llamado rumia, puede tener efectos perjudiciales sobre la salud mental, lo que lleva a condiciones como la depresión y la ansiedad.
Reconociendo la rumia como un factor de riesgo importante para la depresión, los investigadores han estado trabajando para identificar su firma neuronal y desarrollar métodos de detección temprana.
Un equipo de científicos dirigido por KIM Jungwoo del Centro de Investigación de Imágenes de Neurociencia (CNIR) dentro del Instituto de Ciencias Básicas (IBS), en colaboración con investigadores de la Universidad de Arizona y Dartmouth College, realizó un estudio para desarrollar un modelo predictivo de rumia utilizando el poder del aprendizaje automático.
Investigaciones anteriores han vinculado una red de regiones cerebrales llamada «red de modo predeterminado» (DMN) con la rumia. Sin embargo, la región específica responsable de las diferencias individuales en la rumia seguía sin estar clara.
El equipo planteó la hipótesis de que la varianza de la conectividad dinámica, que mide la estabilidad de las interacciones entre las regiones del cerebro a lo largo del tiempo, podría estar asociada con la rumia debido a su persistencia temporal.
Para probar esto, utilizaron imágenes de resonancia magnética funcional (fMRI) para medir la actividad cerebral en participantes sanos en reposo. Utilizando la varianza de la conectividad dinámica entre cada región DMN y las regiones cerebrales en todo el cerebro como entradas y medidas de autoinforme de puntajes de rumiación como salidas, los investigadores entrenaron modelos de aprendizaje automático para aproximar los puntajes de rumia basados en los datos de fMRI de los participantes.
De todas las regiones DMN, solo el modelo basado en la corteza prefrontal medial dorsal (dmPFC) tuvo éxito en predecir las puntuaciones de rumia en participantes sanos.
Además, se encontró que la conectividad dinámica entre el dmPFC y la circunvolución frontal inferior, así como el cerebelo, era particularmente importante para predecir la rumia.
Estos hallazgos resaltan la importancia de la dmPFC en la rumia y la depresión, lo que está en línea con investigaciones anteriores que vinculan esa región con procesos reflexivos de alto nivel en individuos.
En particular, el modelo también tuvo éxito en la predicción de las puntuaciones de depresión en pacientes reales con trastorno depresivo mayor (TDM). Por lo tanto, el modelo se muestra prometedor como un biomarcador valioso para la depresión, ayudando en la identificación de individuos en riesgo y monitoreando el progreso del tratamiento.
Al arrojar luz sobre la base neuronal de la rumia y su relevancia para la depresión, este estudio contribuye al avance de la investigación de la salud mental y puede conducir a intervenciones más efectivas y mejores resultados para las personas con depresión.
El profesor WOO Choong-Wan, autor principal, declaró: «Los patrones dinámicos de las corrientes de pensamiento natural influyen en gran medida en nuestro estado de ánimo y estados emocionales.
«La rumiación es uno de los patrones de pensamiento más importantes, y este estudio muestra que la tendencia a rumiar podría decodificarse a partir de la conectividad cerebral medida con fMRI.
«Esperamos que esta investigación continúe avanzando y que en el futuro, la neuroimagen se pueda utilizar para monitorear y controlar la salud mental».
En el futuro, los investigadores planean validar y refinar el modelo predictivo utilizando poblaciones más grandes y diversas. También tienen como objetivo explorar las aplicaciones potenciales de este modelo en entornos clínicos, integrándolo con los enfoques de diagnóstico y tratamiento existentes.
La investigación continua en esta área tiene el potencial de conducir a intervenciones personalizadas que se dirigen a la rumia y la depresión de manera más efectiva, mejorando en última instancia la vida de las personas afectadas por estas afecciones.
Fuente: Institute for Basic Science