Dispositivo de pulsera para predecir los ataques epilépticos del usuario
Pese a la existencia de medicamentos, cirugías y dispositivos para neuroestimulación, muchas personas con epilepsia continúan presentando convulsiones. La naturaleza impredecible de las convulsiones resulta muy problemática para la persona. Si se pudiese predecir un ataque epiléptico, la persona podría cambiar sus actividades, tomar un medicamento de acción rápida o encender el neuroestimulador para evitar las convulsiones o minimizar sus efectos.
Un nuevo estudio, llevado a cabo por investigadores de la Clínica Mayo en Estados Unidos, y colaboradores de fuera del país, indica que en los pacientes que durante un período de entre 6 y 12 meses llevaron puestos unos dispositivos especiales para control, parecidos a relojes de pulsera, fue posible identificar ciertos patrones y aquello permitió hacer advertencias unos 30 minutos antes del inicio potencial de las convulsiones. Esto funcionó bien la mayoría del tiempo en cinco de los seis pacientes estudiados.
«Al igual que un pronóstico confiable del tiempo meteorológico permite a la gente planificar sus actividades, la predicción de las convulsiones también ayuda a los pacientes con epilepsia a ajustar sus planes al saber que un ataque epiléptico es inminente. El estudio muestra que un dispositivo de pulsera es capaz de predecir fiablemente un ataque epiléptico en personas con epilepsia, sin ninguna medición directa de la actividad cerebral», comenta el Dr. Benjamin Brinkmann, científico especializado en epilepsia de la Clínica Mayo y coautor del nuevo estudio.
Los pacientes con epilepsia refractaria a los medicamentos y que tenían implantado un dispositivo para neuroestimulación recibieron en el estudio dos dispositivos de registro para uso en la muñeca y un ordenador tableta para subir diariamente los datos a la nube. Los pacientes también recibieron instrucciones para usar una pulsera mientras la otra se recargaba y, a diario, debían cambiar de dispositivo en un momento fijo del día. Como usaron los dispositivos de manera constante, se logró recolectar datos durante un tiempo muy prolongado, lo que ayudó a registrar información relevante y otra de contexto, que de otro modo no se habría podido obtener.
La información obtenida del dispositivo ponible incluyó características eléctricas de la piel, temperatura corporal, circulación sanguínea, frecuencia cardíaca y datos de acelerometría para rastrear el movimiento. Luego, con un método de inteligencia artificial que consiste en aprendizaje profundo con redes neuronales se analizaron los datos mediante un algoritmo para series temporales y análisis de frecuencia. Debido a que los participantes en el estudio ya tenían colocados dispositivos de estimulación cerebral profunda para tratar la epilepsia, estos sirvieron para confirmar las convulsiones y permitieron al equipo medir la exactitud de la predicción hecha por el dispositivo de pulsera.
Si bien anteriormente ya se demostró que es posible predecir las convulsiones con dispositivos implantados en el cerebro, muchos pacientes no desean que se les coloque un implante invasivo, tal como comenta el Dr. Brinkmann.
«Esperamos que esta investigación con dispositivos ponibles abra el camino para que en el futuro se integre la predicción de las convulsiones epilépticas en la práctica clínica», confiesa el Dr. Brinkmann, quien también hace constar que este fue un estudio preliminar y que ahora también hay otros pacientes que están registrando sus datos para ampliar la cantidad de casos en los que el sistema se pone a prueba.
Otros autores del trabajo son Mona Nasseri de la Clínica Mayo y de la Universidad del Norte de Florida; Tal Pal Attia, Boney Joseph, Nicholas Gregg y Gregory Worrell, todos estos de la Clínica Mayo; Ewan Nurse y Dean Freestone, ambos de Seer Medical en Australia; Pedro Viana y Mark Richardson, ambos del King’s College de Londres en el Reino Unido; y Matthias Dumpelmann, de la Universidad de Friburgo en Alemania.
El estudio se titula “Ambulatory seizure forecasting with a wrist-worn device using long-short term memory deep learning”. Y se ha publicado en la revista académica Scientific Reports.
Fuente: noticiasdelaciencia.com