Enfoque no invasivo detecta actividad epileptiforme

Un algoritmo informático puede detectar de forma no invasiva la actividad epileptiforme del hipocampo (HEA) utilizando solo información de un EEG estándar del cuero cabelludo, sugiere una nueva investigación.

Este enfoque de aprendizaje automático puede mejorar el diagnóstico de la epilepsia y ayudar a guiar las decisiones relacionadas con las intervenciones quirúrgicas, señalan los investigadores.

“El hipocampo es una parte muy importante del cerebro cuando pensamos en la epilepsia, pero no tenemos excelentes formas de monitorear la actividad del hipocampo que no sean invasivas”, dijo la investigadora del estudio Alice D. Lam, MD, PhD, profesora asistente, Departamento de Neurología, Hospital General de Massachusetts y la Facultad de Medicina de Harvard, Boston, dijeron Noticias médicas de Medscape.

“Este algoritmo nos permite monitorear esa actividad de una manera no invasiva, algo que los expertos humanos no pueden hacer”, agregó Lam.

Los hallazgos fueron Publicado en línea 2 de mayo en JAMA Neurología.

Un enfoque novedoso

El EEG del cuero cabelludo se usa para evaluar la actividad eléctrica del cerebro, pero es relativamente insensible a dicha actividad que surge de las regiones profundas del cerebro, incluido el hipocampo.

En el estado de enfermedad, el hipocampo es muy propenso a generar una actividad de picos anormales, lo que puede causar problemas de memoria y trastornos psiquiátricos, y señalar convulsiones inminentes.

Actualmente, la detección de HEA requiere un procedimiento invasivo en el que se insertan quirúrgicamente electrodos intracraneales en el hipocampo o junto a él, donde pueden registrar directamente la actividad eléctrica.

Los investigadores desarrollaron y validaron un algoritmo de aprendizaje profundo llamado HEAnet para detectar de forma no invasiva la HEA utilizando solo información extraída de un registro EEG estándar del cuero cabelludo.

Para ello, utilizaron conjuntos de datos derivados de una muestra de conveniencia de 141 participantes. De estos, 97 tenían epilepsia del lóbulo temporal (ELT), mientras que 44 no tenían epilepsia y actuaban como el grupo de controles sanos (HC).

Un conjunto de datos incluía el EEG simultáneo del cuero cabelludo y registros de electrodos intracraneales de 51 pacientes con ELT (edad media, 40,7 años; 59 % hombres).

¿Mejor que los humanos?

Los resultados mostraron que el algoritmo informático podía clasificar los ejemplos de HEA positivos de los negativos, logrando una característica operativa del receptor (ROC) del área media bajo la curva (AUC) de 0,89 y una recuperación de precisión (PR) media del AUC de 0,39.

“Por lo tanto, HEAnet detectó con precisión HEA del EEG del cuero cabelludo en el nivel de un solo evento, una tarea que los expertos humanos no pueden realizar”, señalan los investigadores.

Además de la detección de un solo evento, el algoritmo también podría detectar actividad cerebral profunda durante un período de horas, agregó Lam.

Los investigadores entrenaron al detector para evaluar el EEG del cuero cabelludo registrado durante el sueño. Esto se hizo porque las descargas epileptiformes son más frecuentes durante el sueño en pacientes con ELT y hay muchos menos artefactos “o ruido” en las grabaciones cuando las personas duermen, dijo Lam.

El algoritmo también se desempeñó razonablemente bien con datos de EEG despierto, manteniendo una excelente especificidad, aunque con una sensibilidad reducida.

Los investigadores validaron el rendimiento de HEAnet en dos conjuntos de datos independientes de EEG del cuero cabelludo. Uno incluía 24 pacientes con ELT y 20 CH (edad media, 42,3 años; 61% mujeres), y el otro incluía 22 pacientes con ELT y 24 CH (edad media, 43 años; 57% mujeres).

El algoritmo distinguió con precisión el grupo TLE del grupo de controles sanos, con un AUC ROC de 0,88 para el primer conjunto de datos y 0,95 para el segundo. También predijo la lateralización de la epilepsia, con una precisión del 100 % y el 92 %, respectivamente.

Fuente de información independiente

El estudio mostró que combinar la revisión de expertos humanos con HEAnet aumentó la sensibilidad del diagnóstico de TLE, señalan los investigadores.

Los hallazgos también mostraron que HEA-net puede detectar cambios en HEA en respuesta a ajustes de medicación, añaden. A los pacientes en la unidad de control de la epilepsia se les quitan gradualmente los medicamentos anticonvulsivos para registrar las convulsiones en el EEG y luego se les vuelve a poner gradualmente los medicamentos al final de la sesión de control.

“Parece que el algoritmo tiene un rango dinámico suficiente que realmente puede rastrear cómo las tasas de aumento del hipocampo de las personas responden a los medicamentos”, dijo Lam.

Aunque es posible que el algoritmo no reemplace por completo las grabaciones intracraneales, “nos brinda una fuente independiente de información sobre si un paciente tiene o no estas descargas y de qué lado podrían provenir las convulsiones de alguien: el hipocampo derecho o izquierdo”, agregó.

Los investigadores prevén que el algoritmo eventualmente se utilizará para un diagnóstico más temprano de TLE y un mejor control de la actividad cerebral en relación con el estado de la medicación. También podría usarse para identificar el origen de los problemas de memoria de los que se quejan a menudo los pacientes con epilepsia y determinar si la reducción de la HEA con medicamentos mejora la función cognitiva.

HEAnet también podría servir como un biomarcador no invasivo, independiente de las descargas epileptiformes del EEG del cuero cabelludo, para guiar la toma de decisiones quirúrgicas en pacientes con ELT, señalan los investigadores.

Sin embargo, es necesario realizar algunos “ajustes” antes de que el algoritmo esté listo para aplicarse clínicamente, dijo Lam. Por ejemplo, los investigadores deben determinar qué tan específico es el algoritmo para las descargas epileptiformes que provienen del hipocampo en comparación con otras áreas cercanas del cerebro.

El desempeño de HEAnet también debe validarse en conjuntos de datos más grandes, agregó.

“Gran victoria”

Comentar para Noticias médicas de MedscapeDaniel M. Goldenholz, MD, PhD, Centro Médico Harvard Beth Israel Deaconess, División de Epilepsia, Boston, Massachusetts, dijo que el estudio “representa una gran victoria” para la inteligencia artificial (IA).

“Yo colocaría un estudio como este en la categoría de ‘aplicación sobresaliente de la inteligencia artificial al estudio de la epilepsia’ debido al cuidadoso diseño, la alta precisión, las múltiples capas de validación externa y el hecho de que, fundamentalmente, la IA está logrando una hazaña sobrehumana”, dijo Goldenholz, que no participó en la investigación.

También elogió la exploración de cómo se puede usar el algoritmo. “Esto incluye diagnosticar la epilepsia proveniente del hipocampo, monitorear la evidencia de irritabilidad a medida que se retiran los medicamentos en la unidad de monitoreo de epilepsia e identificar de manera única el momento de los picos, lo que podría tener consecuencias para las tareas cognitivas”, dijo.

Goldenholz señaló que los investigadores investigaron la combinación de esta herramienta con un experto humano para demostrar que la IA más la participación humana logran una mayor precisión de diagnóstico.

“Si este tipo de herramienta pudiera usarse clínicamente, abriría muchas posibilidades prácticas, incluida una mejor detección de la epilepsia en casos difíciles, mayor precisión de localización y mejores predicciones sobre la seguridad al conducir”, dijo.

También especuló que la herramienta puede permitir el acceso no invasivo a otra “información oculta” que anteriormente solo se podía obtener a través del monitoreo intracraneal invasivo. “Tal vez este tipo de enfoques puedan liberar a algunos de nuestros pacientes de procedimientos quirúrgicos peligrosos”, dijo Goldenholz.

El estudio fue financiado en parte por subvenciones de los Institutos Nacionales de Salud (NIH) y por el Instituto de la Academia Estadounidense de Neurología (AANI). Lam informó haber recibido subvenciones del NIH, la AANI y Sage Therapeutics; y honorarios personales de Sage Therapeutics, Neurona Therapeutics y Cognito Therapeutics fuera del trabajo presentado. Goldenholz ha declarado no tener ningún conflicto de interés económico pertinente.

JAMA Neurol. Publicado en línea el 2 de mayo de 2022. Resumen

Para obtener más noticias sobre Neurología de Medscape, únase a nosotros en Facebook y Gorjeo

.

Leave a Comment

Your email address will not be published.