La prevalencia de las conmociones cerebrales en los deportes es bien conocida. También lo es el desafío que enfrentan los médicos y otras personas cuando tienen que decidir cuándo un atleta puede regresar al juego después de una lesión en la cabeza. Mientras que la mayoría de los atletas se recuperan de un problema relacionado con el deporteconmoción cerebral en aproximadamente siete a 10 días, algunos necesitan más tiempo. Esta situación hace que manejar el tratamiento de las conmociones cerebrales relacionadas con el deporte sea muy complicado
Investigadores de la Facultad de Ingeniería y Ciencias de la Computación de la Universidad Atlántica de Florida y SIVOTEC Analytics en Boca Raton, y sus colaboradores, han encontrado una solución novedosa. Están enseñando a las máquinas cómo predecir el tiempo de recuperación de las conmociones cerebrales relacionadas con el deporte basadas en síntomas como dolor de cabeza, mareos y fatiga. Su estudio, publicado en la revista del American College of Sports Medicine, Medicina y ciencia en deportes y ejercicio , puede usarse como base para un sistema de apoyo a la decisión que ayudaría a los médicos a desarrollar un tratamiento individualizado para atletas lesionados. Esta investigación también es parte de un esfuerzo continuo más grande del equipo para desarrollar modelos de aprendizaje automático para ayudar a diagnosticar, rastrear ytratar una variedad de problemas de salud cerebral.
Utilizando datos de la Red Nacional de Tratamiento, Lesiones y Resultados Atléticos NATION, un programa de vigilancia de lesiones en estudiantes atletas de secundaria, los investigadores examinaron datos sobre 2,004 incidentes de conmoción cerebral en 22 deportes, observando dónde ocurrieron principalmente las lesiones.descubrió que más de la mitad de las conmociones cerebrales ocurrieron en el fútbol americano.
Con esta información, crearon un nuevo conjunto de datos de lesiones por conmoción cerebral en el fútbol, así como otros deportes de contacto que incluyeron lucha, hockey sobre césped y baloncesto, fútbol y lacrosse para niños y niñas. Este nuevo conjunto de datos incluyó 922 conmociones cerebrales y 689conmociones cerebrales de otros deportes de contacto, con un total de 1,611 incidentes de conmoción cerebral de todos los deportes de contacto.Para el conjunto de datos de todos los deportes de contacto, el número total de síntomas reportados por incidente de conmoción cerebral relacionado con el deporte varió de cero a 17, con un 55 por ciento de los estudiantes atletas reportando cincoo más síntomas.
Los investigadores implementaron un enfoque de modelado supervisado basado en el aprendizaje automático para predecir el tiempo de recuperación de los síntomas relacionados con la conmoción cerebral en siete, 14 y 28 días. Examinaron la eficacia de 10 algoritmos de clasificación en la construcción de modelos de predicción, utilizando el conjunto de datos que representa tres añosde conmociones cerebrales sufridas por estos estudiantes atletas de secundaria en el fútbol y otros deportes de contacto.
Con el conjunto de datos que muestra que el síntoma de conmoción cerebral relacionado con el deporte más frecuente fue un dolor de cabeza 94.9 por ciento, seguido de mareos 74.3 por ciento y luego dificultad para concentrarse 61.1 por ciento, los modelos de predicción basados en los síntomas demostraron clínica clínicavalor para estimar el tiempo de recuperación de una conmoción cerebral relacionada con el deporte. Esta información puede ser especialmente valiosa para los proveedores de atención médica en el manejo de casos de conmoción cerebral y la atención al paciente. Más allá del apoyo a la decisión clínica, esta información también puede ayudar a planificar adaptaciones académicas y necesidades del equipo.
"Hemos introducido un enfoque de vanguardia y una nueva herramienta clínica para manejar las conmociones cerebrales relacionadas con el deporte, que mejorarán de manera considerable con datos cada vez más inclusivos", dijo Taghi Khoshgoftaar, Ph.D., coautor y profesor de Motorola enEl Departamento de Ingeniería Informática y Eléctrica y Ciencias de la Computación de la FAU, que colaboró con el autor principal Michael F. Bergeron, Ph.D., vicepresidente senior de desarrollo y aplicaciones en SIVOTEC Analytics, y Sara Landset, coautora y Ph.D.estudiante de FAU: "Nuestro método supervisado de aprendizaje automático ha demostrado eficacia y garantiza una mayor exploración"
Los investigadores notaron que el número total de síntomas, la sensibilidad al ruido o la luz, la dificultad para concentrarse, el insomnio y los problemas de equilibrio tienen un valor predictivo prioritario, lo que indica su probable papel contribuyente importante y utilidad en sus modelos. Por el contrario, no encontraron amnesia, hiperexcitabilidad, pérdida de conciencia o tinnitus para ser candidatos relevantes para facilitar de manera medible modelos de alto rendimiento.
"Es realmente importante poder identificar rápidamente a aquellos atletas que van a necesitar más tiempo para recuperarse después de sufrir una conmoción cerebral", dijo Bergeron. "La capacidad de predecir el tiempo de recuperación mediante el aprendizaje automático ayudará a aumentar una estratificación efectivaenfoque de la atención. Esto también puede ayudar con expectativas realistas del estudiante-atleta, así como proporcionar una visión y perspectiva importante para los padres, entrenadores y maestros ".
Los colaboradores en el estudio, "Aprendizaje automático en el modelado de síntomas de conmoción cerebral en la escuela secundaria", son Nemours Children's Hospital, División de Neurocirugía en Orlando; Cedars-Sinai Kerlan-Jobe Center for Sports Neurology en Los Ángeles; y Datalys Center for SportsInjury Research and Prevention, Inc. en Indianápolis.
"Esta aplicación novedosa de aprendizaje automático supervisado para la epidemiología de la conmoción cerebral deportiva es un paso importante para avanzar en el enfoque en el manejo clínico de una condición compleja", dijo Stella Batalama, Ph.D., decano de la Facultad de Ingeniería y Ciencias de la Computación de la FAU ".El aprendizaje automático supervisado tiene el potencial de revelar de manera más efectiva patrones significativos y percepciones vitales potencialmente únicas en el complejo conjunto interdependiente de determinantes clínicos para anticipar la recuperación de los síntomas de conmoción cerebral, así como una miríada de otros aspectos en el manejo de las conmociones cerebrales ".
Fuente de la historia :
Materiales proporcionados por Florida Atlantic University . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :