Científicos de Mayo Clinic están utilizando inteligencia artificial (IA) y aprendizaje automático para analizar los electroencefalogramas (EEG) de manera más rápida y precisa, lo que permite a los neurólogos encontrar signos tempranos de demencia entre datos que típicamente no se examinan. El electroencefalograma, una prueba con más de un siglo de antigüedad durante la cual se adhieren una docena o más de electrodos al cuero cabelludo para monitorear la actividad cerebral, se utiliza a menudo para detectar epilepsia. Sus resultados son interpretados por neurólogos y otros expertos entrenados para identificar patrones entre las ondas irregulares del examen.
En una nueva investigación publicada en Brain Communications, los científicos del Programa de IA en Neurología de Mayo Clinic demuestran cómo la IA no solo puede acelerar el análisis, sino también alertar a los expertos que revisan los resultados de la prueba sobre patrones anormales demasiado sutiles que el hombre no alcanza a detectar.
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.
La investigación sugiere que los electroencefalogramas que son más accesibles, menos costosos e invasivos que otras pruebas para evaluar la salud cerebral, podrían ser una herramienta más asequible para ayudar a los médicos a detectar problemas cognitivos en los pacientes de manera temprana.
«Hay mucha información médica en estas ondas cerebrales sobre la salud del cerebro en el EGG. Es bien sabido que estas ondas pueden ralentizarse y verse un poco diferentes en personas que tienen problemas cognitivos. En nuestro estudio, queríamos saber si podíamos medir y cuantificar con precisión ese tipo de ralentización con la ayuda de la IA». dice el autor principal David T. Jones, M.D., neurólogo y director del programa de IA en neurología de Mayo Clinic.
Para desarrollar la herramienta, los investigadores reunieron datos de más de 11,000 pacientes que recibieron EEG en Mayo Clinic durante una década. Utilizaron aprendizaje automático e 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, para enfocarse en patrones característicos de problemas cognitivos como la enfermedad de Alzheimer.
«En este momento, una forma común en que cuantificamos los patrones en los datos médicos es mediante la opinión de expertos. ¿Y cómo sabemos que los patrones están presentes? Porque ese experto te dice que están presentes, pero ahora con IA y aprendizaje automático, no solo vemos cosas que el experto no puede ver, sino que las cosas que pueden ver, podemos ponerles un número preciso», dice el Dr. Jones.
El uso de EEG para detectar problemas cognitivos no necesariamente reemplazaría otros tipos de exámenes, como las resonancias magnéticas (MRI) o las tomografías por emisión de positrones (PET). Pero con el poder de la IA, el EEG podría algún día proporcionar a los profesionales de la salud una herramienta más económica y accesible para el diagnóstico temprano en comunidades sin fácil acceso a clínicas o equipos especializados, como en áreas rurales.
De acuerdo con el Dr. Jones “es muy importante detectar problemas de memoria temprano, incluso antes de que sean obvios. Tener el diagnóstico correcto temprano nos ayuda a dar a los pacientes la perspectiva adecuada y el mejor tratamiento. Los métodos que estamos investigando podrían ser una forma más económica de identificar a personas con pérdida de memoria temprana o demencia en comparación con las pruebas actuales que tenemos, como las pruebas de líquido cefalorraquídeo, los escaneos de glucosa cerebral o las pruebas de memoria.»
Continuar probando y validando las herramientas llevará varios años de investigación adicional, según el Dr. Jones. Sin embargo, dice que la investigación demuestra que hay formas de usar datos clínicos para incorporar nuevas herramientas en el flujo de trabajo clínico para lograr el objetivo de los investigadores de llevar nuevos modelos e innovación a la práctica clínica, mejorar las capacidades de las evaluaciones existentes y escalar este conocimiento fuera de Mayo Clinic.