Las convulsiones epilépticas atacan con poca advertencia y casi un tercio de las personas que viven con epilepsia son resistentes al tratamiento que controla estos ataques. Más de 65 millones de personas en todo el mundo viven con epilepsia.
Ahora los investigadores de la Universidad de Sydney han utilizado inteligencia artificial avanzada y aprendizaje automático para desarrollar un método generalizado para predecir cuándo ocurrirán las convulsiones que no requerirán implantes quirúrgicos.
El Dr. Omid Kavehei, de la Facultad de Ingeniería y TI y el Instituto Nano de la Universidad de Sydney, dijo: "Estamos en camino de desarrollar un dispositivo asequible, portátil y no quirúrgico que brinde una predicción confiable de las convulsiones para las personas que viven con tratamiento-epilepsia resistente "
En un artículo publicado este mes en Redes neuronales , el Dr. Kavehei y su equipo han propuesto un método generalizado de predicción de convulsiones específico para el paciente que puede alertar a quienes padecen epilepsia dentro de los 30 minutos de la probabilidad de una convulsión.
El Dr. Kavehei dijo que ha habido avances notables en inteligencia artificial, así como en micro y nanoelectrónica que han permitido el desarrollo de tales sistemas.
"Hace solo cuatro años, no se podía procesar IA sofisticada a través de pequeños chips electrónicos. Ahora es completamente accesible. En cinco años, las posibilidades serán enormes", dijo el Dr. Kavehei.
El estudio utiliza tres conjuntos de datos de Europa y los Estados Unidos. Utilizando esos datos, el equipo ha desarrollado un algoritmo predictivo con una sensibilidad de hasta el 81.4 por ciento y una tasa de predicción falsa tan baja como 0.06 por hora.
"Si bien esto todavía deja cierta incertidumbre, esperamos que a medida que aumente nuestro acceso a los datos de incautación, nuestras tasas de sensibilidad mejorarán", dijo el Dr. Kavehei.
Carol Ireland, directora ejecutiva de Epilepsy Action Australia, dijo: "Vivir con incertidumbre constante contribuye significativamente al aumento de la ansiedad en las personas con epilepsia y sus familias, sin saber cuándo puede ocurrir la próxima convulsión".
"Incluso las personas con epilepsia bien controlada han expresado su preocupación constante, sin saber si experimentarán convulsiones en el trabajo, la escuela, los viajes o las salidas con amigos o cuándo lo harán.
"Cualquier progreso hacia la predicción confiable de ataques afectará significativamente la calidad de vida y la libertad de elección para las personas que viven con epilepsia"
El Dr. Kavehei y el autor principal del estudio, Nhan Duy Truong, utilizaron técnicas de aprendizaje automático profundo y minería de datos para desarrollar una herramienta analítica dinámica que pueda leer el electroencefalograma de un paciente, o EEG, datos de un gorro portátil u otro dispositivo portátil pararecopilar datos de EEG.
La tecnología portátil podría conectarse a un dispositivo asequible basado en la tecnología Raspberry Pi fácilmente disponible que podría dar al paciente una advertencia de 30 minutos y un porcentaje de probabilidad de una convulsión.
Se activaría una alarma entre 30 y cinco minutos antes del inicio de una convulsión, dando a los pacientes tiempo para encontrar un lugar seguro, reducir el estrés o iniciar una estrategia de intervención para prevenir o controlar la convulsión.
El Dr. Kavehei dijo que una ventaja de su sistema es que es poco probable que requiera aprobación regulatoria, y podría funcionar fácilmente con sistemas implantados existentes o tratamientos médicos.
El algoritmo que el Dr. Kavehei y el equipo han desarrollado puede generar funciones optimizadas para cada paciente. Lo hacen utilizando lo que se conoce como una 'red neuronal convolucional', que está muy en sintonía para notar cambios en la actividad cerebral basados en las lecturas de EEG.
Otras tecnologías que se desarrollan generalmente requieren implantes quirúrgicos o dependen de altos niveles de ingeniería de características para cada paciente. Dicha ingeniería requiere que un experto desarrolle características optimizadas para cada tarea de predicción.
Una ventaja de la metodología del Dr. Kavehei es que el sistema aprende a medida que cambian los patrones cerebrales, lo que requiere una ingeniería de características mínima. Esto permite actualizaciones más rápidas y más frecuentes de la información, brindando a los pacientes el máximo beneficio del algoritmo de predicción de ataques.
El siguiente paso para el equipo es aplicar las redes neuronales a través de conjuntos de datos de información de ataques mucho más grandes, mejorando la sensibilidad. También planean desarrollar un prototipo físico para probar el sistema clínicamente con socios en el campus médico Westmead de la Universidad de Sydney.
Fuente de la historia :
Materiales proporcionado por Universidad de Sydney . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :