La psicosis es un trastorno mental que puede manifestarse en la adolescencia o al inicio de la edad adulta, causando un impacto significativo en el funcionamiento social y laboral. Las alucinaciones, delirios y el pensamiento desorganizado suelen desarrollarse de manera gradual, lo que complica su detección temprana. En Singapur, un alarmante 1 de cada 43 adultos ha recibido un diagnóstico de psicosis. Este contexto resalta la necesidad de herramientas objetivas para evaluar el riesgo de esta enfermedad. Un nuevo estudio ha identificado perfiles proteicos en sangre que podrían ayudar a predecir la transición a la psicosis en jóvenes asiáticos. La investigación, realizada por la Universidad Tecnológica de Nanyang (NTU) en colaboración con el Instituto de Salud Mental (IMH) de NHG Health, ha logrado identificar biomarcadores proteómicos en plasma. Estos reflejan procesos biológicos subyacentes que podrían indicar un riesgo elevado de desarrollar psicosis. Los investigadores utilizaron espectrometría de masas para analizar las proteínas circulantes y aplicaron aprendizaje automático para crear modelos predictivos, buscando complementar las evaluaciones clínicas basadas en síntomas con indicadores moleculares cuantificables. Este estudio se basa en el Estudio Longitudinal de Jóvenes en Riesgo (LYRIKS), que comenzó en 2008 y se centra en jóvenes con riesgo ultra alto de psicosis. Se siguió a 173 participantes de entre 14 y 29 años; de estos, 65 fueron clasificados como de riesgo ultra alto y 13 desarrollaron psicosis en un lapso de dos años. Los investigadores desarrollaron cinco modelos de predicción utilizando diferentes paneles de proteínas, alcanzando una precisión que varió entre el 75% y el 96% en la identificación de riesgos. Los hallazgos son alentadores, ya que demuestran que las firmas proteicas identificadas en poblaciones caucásicas pueden ser aplicables a otras etnias, incluyendo la asiática. Sin embargo, los autores del estudio advierten que se requieren validaciones más amplias en diversas poblaciones antes de su uso clínico. También mencionaron la necesidad de ampliar el análisis para incluir proteínas menos abundantes, así como integrar datos de múltiples modalidades, como genómica y factores sociales, utilizando inteligencia artificial explicable para mejorar la precisión del diagnóstico.
