Neurocientíficos de la Universidad del Sur de California (EE UU) han desarrollado un sistema de Inteligencia Artificial (IA) con el que identifican ataques epilépticos analizando interacciones cerebrales. La innovación está en que, según dicen, mejora el diagnóstico de casos raros y complejos.
Este sistema, que se ha presentado en el marco del encuentro Advances in Knowledge Discovery and Data Mining (PAKDD), demuestra una mejora del 12 % en los modelos de última generación.
En el trabajo que se publica en Springer, sus autores recuerdan que el diagnóstico de la epilepsia requiere una detección y clasificación precisas de las convulsiones, pero el análisis manual tradicional de la señal producida por la electroencefalografía (EEG) requiere muchos recursos.
“Paralelamente -destacan-, los algoritmos automatizados a menudo pasan por alto las propiedades geométricas y semánticas de la EEG, fundamentales para interpretar la actividad cerebral”.
En este estudio presentan NeuroGNN, un marco dinámico de red neuronal gráfica (GNN), “que captura la interacción dinámica entre las situaciones de los electrodos de EEG y la semántica de sus regiones cerebrales correspondientes”.
La región específica del cerebro donde se coloca un electrodo da forma crítica a la naturaleza de las señales EEG capturadas. Cada región del cerebro gobierna distintas funciones cognitivas, emociones y procesamiento sensorial, lo que influye tanto en las relaciones semánticas como espaciales dentro de los datos del EEG.
Comprender y modelar estas intrincadas relaciones cerebrales es esencial para obtener información precisa y significativa sobre la actividad cerebral.
Ataques epilépticos
“Aquí es precisamente donde sobresale el marco NeuroGNN propuesto al construir dinámicamente un gráfico que encapsula estas correlaciones espaciales, temporales, semánticas y taxonómicas en evolución, para mejorar la precisión en la detección y clasificación de las convulsiones. Nuestros extensos experimentos con datos del mundo real demuestran que NeuroGNN supera significativamente a los modelos de última generación existentes”, enfatizan estos neurocientíficos.
El dato de que más de 65 millones de personas en todo el mundo padecen este trastorno neurológico, que afecta el sistema nervioso y provoca convulsiones, es posiblemente lo suficientemente importante como para poner en valor el avance protagonizado por estos neurocientíficos de la Universidad del Sur de California.
Como muchas enfermedades, el tratamiento de la epilepsia comienza con la detección temprana. La Organización Mundial de la Salud (OMS) estima que el 70% de las personas con epilepsia podrían vivir sin convulsiones si se les diagnostica y trata adecuadamente.
Cabe recordar que, en el transcurso de los últimos años, distintos equipos de investigadores han desarrollado técnicas de aprendizaje automático para detectar y clasificar convulsiones a partir de señales de electroencefalografía (EEG), capturadas mediante electrodos en el cerebro, buscando correlaciones demasiado complejas para que los humanos las afronten solos.
Sin embargo, estos sistemas han tenido dificultades para detectar formas raras de ataques epilépticos. Esto se debe a que la IA se basa en datos para aprender patrones y hacer predicciones y, por tanto, los ejemplos insuficientes de estas convulsiones más raras limitan su capacidad para funcionar bien en casos menos comunes.
Convulsiones atónicas
El profesor Cyrus Shahabi, coautor de este estudio, destaca que “por lo general, para los casos de uso más simples, un sistema de inteligencia artificial puede decir si alguien ha tenido una convulsión, ya que es una clasificación binaria simple. Pero hay tipos diferentes y más raros de convulsiones que no son fáciles de clasificar”.
Cita, como ejemplo, las convulsiones atónicas (convulsiones de caída), un tipo poco común que con frecuencia afecta a los niños y desencadena una pérdida repentina del control muscular y origina colapso. En este caso, el sistema analizaría las relaciones espaciales en las regiones del cerebro y priorizaría las áreas cerebrales involucradas en el control muscular, como la corteza motora, los ganglios basales, el cerebelo y el tronco del encéfalo, para identificar patrones de actividad indicativos de convulsiones atónicas.
El objetivo no es sustituir a los clínicos, subrayan estos neurocientíficos, sino complementar sus conocimientos en casos difíciles de detectar. Para Paul Thompson, profesor de Neurología en la Universidad del Sur de California, este avance “podría suponer un cambio de juego en la neurología clínica”.
En este sentido, añade que “comprender los tipos de convulsiones es crucial para el tratamiento temprano, pero los registros de la actividad cerebral son extremadamente complejos. Este avance aporta el poder de la IA para detectar patrones que a una persona le resultaría difícil identificar, lo que hace que esta tarea sea más fácil, rápida y confiable para los médicos».
Por último, el profesor Shahabi explica que “las convulsiones cerebrales ocurren muy repentinamente, por lo que detectarlas antes realmente podría salvar vidas. El sistema podría generar una alerta si detecta alguna irregularidad en las ondas cerebrales. Esto abriría oportunidades increíbles para el diagnóstico y tratamiento de la epilepsia”.
Biotech magazine & news
Información compartida por la página de divulgación biotecnológica
Biotech Magazine & News. dirigida por José María Fernández-Rúa con la misma honestidad y rigor que ha caracterizado su andadura en papel desde la fundación de Biotech Magazine en 2006.
Expertos abordan los últimos avances en biotecnología, en sus diferentes colores: amarillo (Tecnología Alimentaria y Nutrición), azul (Acuicultura y Biotecnología Marina), blanco (Organismos modificados genéticamente), rojo (Biomedicina), verde (Biocombustibles, Agricultura y Biotecnología Ambiental) y violeta (Patentes e Invenciones). Biotech Magazine & News, editada por Cariotipo MH5, recoge noticias, entrevistas a líderes de I+D+I y artículos de opinión..
Si (
No(
