INFORMACIONES PSIQUIÁTRICAS 249

126 Informaciones Psiquiátricas 2022 - n.º 249 Resumen El vínculo existente entre la formación de huellas dactilares y el cre- cimiento del sistema nervioso central apunta a un uso potencial de las huellas dactilares como marcadores de riesgo en la esquizofrenia. Sin embargo, la elevada complejidad de los patrones geométricos de las huellas dactilares requiere algoritmos flexibles capaces de carac- terizar dicha complejidad. A partir de una muestra inicial de huellas dactilares escaneadas de 612 pacientes con diagnóstico de psicosis no afectiva y 844 sujetos sanos, hemos construido algoritmos de clasificación de aprendizaje profundo basados en redes neuronales convolucionales. Previamente, se eligió la arquitectura general de la red a partir de ajustes exploratorios realizados con un conjunto de datos independiente de huellas dactilares del National Institute of Standards and Technology. A continuación, la arquitectura de la red se aplicó para construir algoritmos de clasificación (paciente frente a controles) basados en modelos de un solo dedo y en modelos de varios dedos. Se obtuvieron estimaciones de la precisión de la cla- sificación aplicando un esquema de validación cruzada quíntuple. El mayor nivel de precisión de las redes basadas en un solo dedo lo alcanzó la red del pulgar derecho (precisión = 68%), mientras que la mayor precisión de los modelos multientrada la obtuvo el modelo que utilizó simultáneamente imágenes de los dedos pulgar, índice y corazón izquierdos (precisión = 70%). Aunque los modelos ajustados se basaron en datos de pacientes con un diagnóstico bien estable- cido, dado que las huellas dactilares permanecen estables durante toda la vida después del nacimiento, nuestros resultados implican que las huellas dactilares pueden aplicarse como predictores tem- pranos de psicosis. Especialmente, si se utilizan en subpoblaciones con alta prevalencia de esquizofrenia, como las de personas con alto riesgo de psicosis. Palabras clave: esquizofrenia, dermatoglifos, inteligencia artificial, aprendizaje profundo, predicción del riesgo. FIDMAG informa