La epilepsia es una de las afecciones neurológicas más comunes y afecta a más de 65 millones de personas en todo el mundo. Para quienes padecen epilepsia, la aparición de una convulsión puede parecer una bomba de relojería.un riesgo fatal cuando se produce una convulsión durante situaciones de riesgo, como al conducir.
Un equipo de investigación de la Escuela de Ingeniería de USC Viterbi y Keck Medicine de la USC está abordando este peligroso problema con un nuevo y poderoso modelo matemático de predicción de convulsiones que dará a los pacientes con epilepsia una advertencia precisa de cinco minutos a una hora antes de que sea probable que experimenten una convulsión., ofreciendo mayor libertad para el paciente y reduciendo la necesidad de intervención médica.
La investigación, publicada en el Revista de ingeniería neuronal , está dirigido por los autores correspondientes Dong Song, profesor asociado de investigación de ingeniería biomédica en la Escuela de Ingeniería de USC Viterbi y Pen-Ning Yu, ex investigador de doctorado en el laboratorio de Song, en colaboración con Charles Liu, profesor de cirugía neurológica clínica y director deel Centro de Neurorestauración de la USC. Los otros autores son el Catedrático de Ingeniería David Packard y el profesor de ingeniería biomédica, Ted Berger, y el director médico del Programa Integral de Epilepsia de la USC en el Centro Médico Keck, Christianne Heck.
El modelo matemático funciona aprendiendo de grandes cantidades de datos de señales cerebrales recopilados de un implante eléctrico en el paciente. Liu y su equipo ya han estado trabajando con pacientes con epilepsia con dispositivos implantables, que pueden ofrecer un monitoreo continuo en tiempo real delas señales eléctricas del cerebro de la misma manera que un electroencefalograma EEG usa electrodos externos para medir señales. El nuevo modelo matemático puede tomar estos datos y aprender las señales cerebrales únicas de cada paciente, buscando precursores o patrones de actividad cerebral que muestren unEstado "pre-ictal", en el que un paciente corre el riesgo de sufrir una convulsión.
Song dijo que el nuevo modelo puede predecir con precisión si puede ocurrir una convulsión en una hora, lo que permite al paciente realizar la intervención necesaria.
"Por ejemplo, podría ser tan simple como alertar al paciente de que la convulsión se acerca la próxima hora, por lo que no debe conducir su automóvil en este momento, o debe tomar su medicamento, o debe ir a sentarse"Song dijo: "O lo ideal es que en el futuro podamos detectar señales de convulsiones y luego enviar estimulación eléctrica a través de un dispositivo implantable al cerebro para evitar que ocurran las convulsiones".
Liu dijo que el descubrimiento tendría importantes implicaciones positivas para la salud pública, dado que el tratamiento de la epilepsia se había visto gravemente afectado el año pasado por la pandemia.
"Con suerte, esto cambiará la forma en que lidiamos con la epilepsia en el futuro y está impulsado por las necesidades que han estado vigentes durante mucho tiempo, pero que COVID ha destacado y acelerado", dijo Liu.
Dijo que en la actualidad, los pacientes con epilepsia intratable desde el punto de vista médico epilepsia que no se puede controlar con medicamentos son ingresados de forma electiva en el hospital para la monitorización por video EEG. Con la llegada de COVID, estas admisiones electivas se detuvieron por completo y los programas de epilepsia en todo el paísse detuvo durante el año pasado. Liu dijo que esto destaca la necesidad de un nuevo flujo de trabajo mediante el cual las grabaciones de EEG del cuero cabelludo o los electrodos intradurales se puedan adquirir en casa y analizar computacionalmente.
"Por lo tanto, necesitamos crear un nuevo flujo de trabajo mediante el cual, en lugar de llevar a los pacientes a la UCI, tomamos las grabaciones de su hogar y usamos los modelos de computación para hacer todo lo que habrían hecho en el hospital", dijo Liu ".No solo puede administrar a los pacientes utilizando el distanciamiento físico, sino que también puede escalar de una manera que solo la tecnología lo permite. La computación puede analizar miles de páginas de datos a la vez, mientras que un solo neurólogo no puede ".
Cómo funciona el modelo de predicción de convulsiones
Song dijo que el nuevo modelo era diferente a los modelos anteriores de predicción de convulsiones en que extrae información tanto lineal como no lineal de las señales cerebrales del paciente.
"Lineal es la característica simple. Si comprende las partes, puede comprender el todo", dijo Song. Mientras que la característica no lineal significa que incluso si comprende las partes, cuando aumenta la escala, tiene algunas propiedades emergenteseso no se puede explicar. "
"Para algunos pacientes, las características lineales son más importantes y para otros pacientes, las características no lineales son más importantes", dijo Song.
Song dijo que mientras que otros modelos predicen la actividad cerebral en una escala de tiempo corta, en cuestión de milisegundos, el modelo de su equipo examinó una escala de tiempo extendida.
"El cerebro es un dispositivo de escala multitemporal, por lo que debemos comprender qué sucede no solo a corto plazo, sino muchos más pasos en el futuro", dijo Song.
Dijo que el modelo también es único porque es específico del paciente, extrae la información que es significativa para cada paciente individual. Porque cada cerebro es muy diferente en términos de las señales que indican un estado "pre-ictal".
"Los pacientes son todos diferentes entre sí, por lo que para predecir con precisión las convulsiones, necesitamos registrar señales, debemos observar muchas características diferentes y debemos tener un algoritmo para seleccionar la característica más importante para la predicción", Dijo Song.
"No puedo decirles lo emocionante que es esto. En la USC hemos estado muy interesados en tratar de crear herramientas que mejoren la dimensión de salud pública de estas enfermedades que estamos tratando, y es realmente difícil", Liudicho
"Los epileptólogos son todavía relativamente pocos en muchas partes de nuestro país y del mundo. Si bien pueden identificar muchas características sutiles en el EEG, los tipos de modelos que Song puede crear pueden identificar características adicionales a una escala masiva necesarias para ayudar a millones de personasde los pacientes afectados por la epilepsia en nuestra región y en todo el mundo ", dijo Liu.
Heck, quien también es codirector del Centro de Neurorestauración de la USC, dijo que hay dos cuestiones importantes en la relevancia clínica de esta tecnología.
"Una es que la mayoría de los pacientes que sufren de epilepsia viven con miedo y ansiedad acerca de su próxima convulsión, que puede aparecer como un rayo en el momento más inoportuno, tal vez mientras conducen o simplemente caminan en público. Una advertencia amplia proporciona una"Obtener una oportunidad segura", dijo Heck. "El segundo tema relevante clínicamente es que tenemos implantes cerebrales, dispositivos inteligentes, que esta tecnología de ingeniería puede mejorar, dando una mayor esperanza de eficacia de nuestras terapias existentes".
Fuente de la historia :
Materiales proporcionado por Universidad del Sur de California . Original escrito por Greta Harrison. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :