El EEG, un examen de más de un siglo de antigüedad, durante el cual se unen una docena o más de electrodos al cuero cabelludo para controlar la actividad cerebral, a menudo se usa para detectar la epilepsia. Sus resultados son interpretados por neurólogos y otros especialistas capacitados para identificar patrones entre las ondas irregulares del examen.

 

En una nueva investigación publicada en Brain Communications, científicos del Programa de Inteligencia Artificial en Neurología (NAIP, sigla en inglés ) de Mayo Clinic demuestran cómo la IA no solo puede acelerar el análisis, sino también alertar a los expertos que analizan los resultados de las pruebas para detectar patrones anormales extremadamente sutiles para que los humanos los detecten. La tecnología demuestra el potencial de algún día ayudar a los médicos a distinguir entre las causas de los problemas cognitivos, como la enfermedad de Alzheimer y la demencia con cuerpos de Lewy. La investigación sugiere que los EEGs, que están más ampliamente disponibles, son más baratos y menos invasivos que otros exámenes para evaluar la salud cerebral, pueden ser una herramienta más asequible para ayudar a los médicos a identificar los problemas cognitivos en los pacientes de modo temprano.

 

"En el EEG, hay mucha información médica en estas ondas cerebrales sobre la salud del cerebro", dice el autor principal, el Dr. David T. Jones, neurólogo y director del NAIP. "Se sabe que es posible ver que estas ondas se ralentizan y se ven un poco diferentes en personas que tienen problemas cognitivos. En nuestro estudio, queríamos saber si podíamos medir y cuantificar con precisión este tipo de desaceleración con la ayuda de la IA."

 

Para desarrollar la herramienta, investigadores reunieron datos de más de 11.000 pacientes que se sometieron a los EEGs en Mayo Clinic a lo largo de una década. Utilizaron el aprendizaje de las máquinas y la IA para simplificar patrones complejos de ondas cerebrales en seis características específicas, enseñando al modelo a descartar automáticamente ciertos elementos, como datos que deberían ignorarse, con el fin de centrarse en patrones característicos de problemas cognitivos como la enfermedad de Alzheimer.

 

"Fue notable la forma en que la tecnología ayudó a extraer rápidamente los patrones de EEG en comparación con las medidas tradicionales de demencia, como el examen cognitivo a la cabecera de la cama, los biomarcadores de líquidos y las imágenes cerebrales", explica el Dr. Wentao Li, coautor principal del artículo que realizó la investigación con el NAIP mientras era residente en neurología conductual en Mayo Clinic.

 

"En este momento, una forma común de cuantificar patrones en datos médicos es a través de la opinión de expertos. ¿Y cómo sabemos que estos patrones están presentes? Porque algún experto dice que están presentes", dice el Dr. Jones. "Pero ahora, con la IA y el aprendizaje de las máquinas, no solo vemos cosas que los expertos no pueden ver, sino que también podemos cuantificar con precisión lo que pueden percibir."

 

El uso de EEG para detectar problemas cognitivos no necesariamente reemplazaría otros tipos de exámenes, como resonancias magnéticas o tomografías por emisión de positrones (PET). Pero con el poder de la IA, el EEG podría algún día proporcionar a los profesionales de atención médica una herramienta más rentable y asequible para el diagnóstico temprano en comunidades de difícil acceso a clínicas especializadas o equipos especializados, como en entornos rurales, según el Dr. Jones.

 

"Es realmente importante detectar los problemas de memoria temprano, incluso antes de que sean obvios", advierte el Dr. Jones. "Tener el diagnóstico correcto temprano nos ayuda a proporcionar un panorama correcto y el mejor tratamiento al paciente. Los métodos que estamos analizando pueden ser una forma más rentable de identificar a las personas con pérdida temprana de memoria o demencia en comparación con los exámenes actuales que tenemos, como el análisis del líquido cefalorraquídeo, exámenes de glucosa en LCR o los exámenes de memoria."

 

Según el Dr. Jones, se necesitan varios años adicionales de investigación para seguir probando y validando las herramientas. Sin embargo, dice que la investigación demuestra que hay formas de utilizar los datos clínicos para incorporar nuevas herramientas en el flujo de trabajo clínico para lograr el objetivo de los investigadores de llevar nuevos modelos e innovaciones a la práctica clínica, mejorar las capacidades de las evaluaciones existentes y escalar ese conocimiento fuera de Mayo Clinic.

 

"Este trabajo ejemplifica el trabajo en equipo multidisciplinario para avanzar en la investigación de la salud basada en la tecnología traslacional", dice el Ph. D. Yoga Varatharajah, coautor principal del artículo y colaborador de investigación del NAIP cuando se completó el trabajo.

 

Los fondos para la investigación incluyen el apoyo de la Edson Family Fund, de la Epilepsy Foundation of America, de la Benjamin A. Miller Family Fellowship in Aging and Related Diseases, del Programa de Inteligencia Artificial en Neurología de Mayo Clinic y la Fundación Nacional de Ciencias (Premio nº IIS-2105233), y de los Institutos Nacionales de Salud, incluida la subvención UG3 NS123066.