Un nuevo enfoque multimodal logra distinguir con alta precisión a personas con TDAH mediante tareas virtuales y mediciones de comportamiento y atención.
Un equipo de investigadores de la Universidad de Bonn ha desarrollado una herramienta basada en realidad virtual (VR, en inglés) y machine learning automático que puede ayudar a mejorar el diagnóstico del Trastorno por Déficit de Atención e Hiperactividad (TDAH) en adultos. El estudio, publicado en la revista Translational Psychiatry, demuestra cómo la combinación de múltiples mediciones biométricas y de comportamiento dentro de un entorno virtual puede diferenciar con precisión a personas con TDAH de aquellas sin el trastorno.
El método propuesto, denominado Virtual Seminar Room (VSR), consiste en una simulación de un aula virtual donde los participantes realizan tareas de atención mientras se enfrentan a distracciones visuales y auditivas, replicando situaciones cotidianas. Durante la experiencia, se recolectan simultáneamente datos de rendimiento en tareas cognitivas, movimientos de cabeza conocidos como actigrafía, movimientos oculares o eye tracking, respuestas eléctricas del cerebro a través de electroencefalografía y autoevaluaciones en tiempo real de síntomas relacionados con el TDAH.
El análisis se llevó a cabo utilizando un modelo de machine learning, conocido como máquina de vectores de soporte, entrenado con información de 50 personas, 25 con diagnóstico de TDAH y 25 sin diagnóstico, y probado en un grupo independiente de 36 personas. El modelo logró una precisión del 81% en la clasificación correcta de los casos al integrar 11 variables clave provenientes de cuatro dominios: autoevaluaciones momentáneas, comportamiento visual, rendimiento en la tarea de atención y movimientos de cabeza. Las señales cerebrales obtenidas mediante EEG no mejoraron la capacidad predictiva y fueron descartadas en la versión final del modelo.
Este enfoque multimodal se diferencia de otras estrategias tradicionales porque se basa en entornos de alta validez ecológica, es decir, más representativos de la vida diaria. Además, permite captar la variabilidad individual de los síntomas y puede servir como herramienta tanto para el diagnóstico inicial como para el monitoreo del progreso terapéutico.
Según los autores, este modelo representa un paso importante hacia una evaluación más precisa y personalizada del TDAH en adultos, superando las limitaciones de las entrevistas clínicas tradicionales y las pruebas estandarizadas. Aunque los resultados son prometedores, los investigadores destacan la necesidad de ampliar los estudios a muestras más grandes y diversos grupos clínicos para validar la utilidad del enfoque en contextos reales. En particular, señalan que eliminar el uso del EEG podría simplificar y abaratar el proceso, haciendo de esta herramienta una opción viable en entornos clínicos rutinarios.
