Machine Learning contributions to the diagnosis of Categorical Psychiatric Constructs based on Structured Clinical Interviews: Screening Optimization and Unsupervised Classification.

Abstract

Els constructes psiquiàtrics que s'inclouen en el manual diagnòstic i estadístic dels trastorns mentals (DSM per les seues sigles en anglès) són categòrics per definició, la qual cosa comporta múltiples conseqüències en el procés diagnòstic. Les eines de cribratge més utilitzades en la pràctica actual van ser desenvolupades sobre la base de criteris diagnòstics obsolets i sense considerar mètodes estadístics moderns. Així mateix, la concepció dicotòmica dels trastorns que separa subjectes “sans” de “malalts” ignora l'existència de pacients subclínics/subllindars i fomenta l'estigmatització, mentre que l'evidència científica actual suggereix que alguns constructes definits pel DSM -com la depressió major (DM)- es descriuen millor mitjançant dimensions.

Psychiatric constructs included in the Diagnostic and statistical manual of mental disorders (DSM) are categorical by definition, which entails several consequences for the diagnostic process. The most employed psychiatric screening tools were developed based on obsolete diagnostic criteria and without employing modern statistical methods. In addition, a dichotomous conception of disorders which separates “ill” from “healthy” patients disregards subthreshold cases and favors stigmatization, while modern evidence suggests that some constructs introduced by the DSM -such as major depression (MD)- are better described by dimensions.