Redacción.– De acuerdo con un estudio realizado por los científicos de «Mayo Clinic», el uso de la Inteligencia Artificial y el aprendizaje de las máquinas para analizar los exámenes de electroencefalograma (EEG) con mayor rapidez y precisión, permite a los neurólogos encontrar signos tempranos de demencia entre los datos que normalmente no se examinan.
En tanto, el EEG es un examen de más de un siglo de antigüedad, durante el cual se unen una docena o más de electrodos al cuero cabelludo para controlar la actividad cerebral, a menudo se usa para detectar la epilepsia.
Sus resultados son interpretados por neurólogos y otros especialistas capacitados para identificar patrones entre las ondas irregulares del examen.
Los investigadores demostraron que con el uso inteligencia Artificial no solo puede acelerar el análisis, sino también alertar a los expertos que analizan los resultados de las pruebas para detectar patrones anormales extremadamente sutiles para que los humanos los detecten.
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 con cuerpos de Lewy.
Los EEGs
La investigación sugiere que los EEGs, que están más ampliamente disponibles, son más baratos y menos invasivos que otros exámenes para evaluar la salud cerebral, pueden ser una herramienta más asequible para ayudar a los médicos a identificar los problemas cognitivos en los pacientes de modo temprano, se apuntó.
«En el EEG, hay mucha información médica en estas ondas cerebrales sobre la salud del cerebro. Se sabe que es posible ver que estas ondas se ralentizan y se ven un poco diferentes en personas que tienen problemas cognitivos. En nuestro estudio, queríamos saber si podíamos medir y cuantificar con precisión este tipo de desaceleración con la ayuda de la IA», manifestó el autor principal de la investigación, David T. Jones, neurólogo y director del NAIP.
De acuerdo al galeno, en este momento, una forma común de cuantificar patrones en datos médicos es a través de la opinión de expertos. «¿Y cómo sabemos que estos patrones están presentes? Porque algún experto dice que están presentes. Pero ahora, con la IA y el aprendizaje de las máquinas, no solo vemos cosas que los expertos no pueden ver, sino que también podemos cuantificar con precisión lo que pueden percibir».
Para desarrollar la herramienta, investigadores reunieron datos de más de 11.000 pacientes que se sometieron a los EEGs en Mayo Clinic a lo largo de una década. Utilizaron el aprendizaje de las máquinas y la 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, con el fin de centrarse en patrones característicos de problemas cognitivos como la enfermedad de Alzheimer.
Uso EEG
El uso inteligencia Artificial para detectar problemas cognitivos no necesariamente reemplazaría otros tipos de exámenes, como resonancias magnéticas o tomografías por emisión de positrones (PET). Pero con el poder de la IA, el EEG podría algún día proporcionar a los profesionales de atención médica una herramienta más rentable y asequible para el diagnóstico temprano en comunidades de difícil acceso a clínicas especializadas o equipos especializados, como en entornos rurales, según el Dr. Jones.
«Es realmente importante detectar los problemas de memoria temprano, incluso antes de que sean obvios. Tener el diagnóstico correcto temprano nos ayuda a proporcionar un panorama correcto y el mejor tratamiento al paciente. Los métodos que estamos analizando pueden ser una forma más rentable de identificar a las personas con pérdida temprana de memoria o demencia en comparación con los exámenes actuales que tenemos, como el análisis del líquido cefalorraquídeo, exámenes de glucosa en LCR o los exámenes de memoria», explicó.
Según el doctor Jones, se necesitan varios años adicionales de investigación para seguir probando y validando las herramientas. Sin embargo, dice que la investigación demuestra que hay formas de utilizar los datos clínicos para incorporar nuevas herramientas en el flujo de trabajo clínico para lograr el objetivo de los investigadores de llevar nuevos modelos e innovaciones a la práctica clínica, mejorar las capacidades de las evaluaciones existentes y escalar ese conocimiento fuera de Mayo Clinic.
