Científicos de Mayo Clinic han utilizado inteligencia artificial (IA) para mejorar la rapidez y precisión del análisis de los electroencefalogramas (EEG), permitiendo a los neurólogos detectar tempranamente signos de demencia en datos que habitualmente se ignoran.
El EEG, un examen de más de un siglo de antigüedad, en el cual se colocan una docena o más de electrodos en el cuero cabelludo para monitorizar la actividad cerebral, se utiliza con frecuencia para detectar la epilepsia. Sus resultados son interpretados por neurólogos y otros especialistas capacitados para identificar patrones en las ondas cerebrales irregulares.
En una nueva investigación publicada en Brain Communications, científicos del Programa de Inteligencia Artificial en Neurología (NAIP, por sus siglas en inglés) de Mayo Clinic demuestran cómo la IA no solo puede acelerar el análisis, sino también alertar a los expertos sobre patrones anormales extremadamente sutiles, que serían difíciles de detectar a simple vista. Esta tecnología podría ayudar a los médicos a distinguir entre diversas causas de problemas cognitivos, como la enfermedad de Alzheimer y la demencia con cuerpos de Lewy. La investigación sugiere que los EEGs, más accesibles, económicos y menos invasivos que otros métodos para evaluar la salud cerebral, podrían convertirse en una herramienta asequible para identificar problemas cognitivos en etapas tempranas.
«En el EEG, hay mucha información médica en estas ondas cerebrales sobre la salud del cerebro». Sabemos que estas ondas se ralentizan y se ven diferentes en personas con problemas cognitivos. Nuestro estudio se enfocó en si podíamos medir y cuantificar con precisión este tipo de desaceleración con la ayuda de la IA.»afirma el Dr. David T. Jones, neurólogo y director del NAIP.
Para desarrollar la herramienta, los investigadores recopilaron datos de más de 11,000 pacientes que se sometieron a EEGs en Mayo Clinic durante una década. Utilizando aprendizaje automático y la IA, simplificaron los complejos patrones de ondas cerebrales en seis características específicas, entrenando al modelo para descartar automáticamente datos irrelevantes y enfocarse en patrones característicos de problemas cognitivos, como la enfermedad de Alzheimer.
«Fue notable cómo la tecnología ayudó a extraer rápidamente patrones de EEG en comparación con métodos tradicionales de evaluación de la demencia, como los exámenes cognitivos a la cabecera del paciente, biomarcadores en líquidos y las imágenes cerebrales», explica el Dr. Wentao Li, coautor principal del artículo, quien realizó la investigación con el NAIP durante su residencia en neurología conductual en Mayo Clinic.
«Tradicionalmente, cuantificamos patrones en datos médicos basándonos en la opinión de expertos. ¿Y cómo sabemos que estos patrones están presentes? Porque algún experto lo dice, pero ahora, con la IA y el aprendizaje de las máquinas, no solo podemos ver lo que los expertos no pueden, sino que también podemos cuantificar con precisión lo que ellos perciben» comenta el Dr. Jones.
El uso de EEGs para detectar problemas cognitivos no pretende reemplazar otros exámenes, como resonancias magnéticas o tomografías por emisión de positrones (PET). Sin embargo, gracias al poder de la IA, el EEG podría proporcionar a los profesionales de la salud una herramienta más rentable y accesible para el diagnóstico temprano, especialmente en comunidades con difícil acceso a clínicas especializadas o equipos avanzados, como en áreas rurales, señala el Dr. Jones.
«Es crucial detectar los problemas de memoria temprano, incluso antes de que sean evidentes. Tener un diagnóstico correcto y temprano nos permite ofrecer un tratamiento adecuado al paciente. Los métodos que estamos desarrollando pueden ser una forma más rentable de identificar a personas con pérdida temprana de memoria o demencia, en comparación con los exámenes actuales como el análisis de líquido cefalorraquídeo o las pruebas de memoria» advierte el Dr. Jones
Según el Dr. Jones, aún se requieren varios años de investigación para seguir probando y validando estas herramientas. No obstante, señala que la investigación demuestra que es posible utilizar los datos clínicos para integrar nuevas herramientas en el flujo de trabajo clínico, alcanzando el objetivo de los investigadores de llevar nuevos modelos e innovaciones a la práctica clínica, mejorar las capacidades de las evaluaciones existentes y extender ese conocimiento fuera de Mayo Clinic.
«Este trabajo ejemplifica el esfuerzo colaborativo y multidisciplinario para avanzar en la investigación de la salud basada en tecnología traslacional», dice el Ph. D. Yoga Varatharajah, coautor principal del artículo y colaborador de investigación del NAIP cuando se completó el trabajo.