La alerta temprana de convulsiones podría cambiar las reglas del juego para los pacientes con epilepsia
Crédito: CC0 Public Domain
La epilepsia es una de las afecciones neurológicas más comunes y afecta a más de 65 millones en todo el mundo. Para quienes padecen epilepsia, la llegada de una convulsión puede sentirse como una bomba de relojería. Podría ocurrir en cualquier momento o en cualquier lugar, lo que podría representar un riesgo fatal cuando se produce una convulsión durante situaciones de riesgo, como al conducir.
Un equipo de investigación de la Escuela de Ingeniería Viterbi de la USC y la Medicina Keck de la USC están abordando este peligroso problema con un nuevo y poderoso modelo matemático de predicción de convulsiones que brindará a los pacientes con epilepsia una advertencia precisa de cinco minutos a una hora antes de que puedan experimentar una convulsión, ofreciendo una mayor libertad para el paciente y reduciendo la necesidad de intervención médica.
La investigación, publicada en el Journal of Neural Engineering, está dirigida por los autores correspondientes Dong Song, profesor asociado de investigación de ingeniería biomédica en la USC Escuela de Ingeniería Viterbi y Pen-Ning Yu, ex Ph.D. investigador en el laboratorio de Song, en colaboración con Charles Liu, profesor de cirugía neurológica clínica y director del Centro de Neurorestauración de la USC. Los otros autores son el catedrático de ingeniería David Packard y profesor de ingeniería biomédica, Ted Berger, y la directora médica 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 de epilepsia con dispositivos implantables, que pueden ofrecer un seguimiento continuo en tiempo real de las señales eléctricas del cerebro de la misma manera que un electroencefalograma (EEG) utiliza electrodos externos para medir las señales. El nuevo modelo matemático puede tomar estos datos y aprender las señales cerebrales únicas de cada paciente, en busca de precursores o patrones de actividad cerebral que muestren un estado «preictal», en el que el paciente corre el riesgo de sufrir una convulsión.
Song dijo que el nuevo modelo puede predecir con precisión si una convulsión puede ocurrir dentro de una hora, lo que le permite al paciente realizar la intervención necesaria.
«Por ejemplo, podría ser tan simple como alertar al paciente de que su convulsión se avecina en la próxima hora, por lo que no debe conducir su automóvil en este momento, o debe tomar su medicamento, o debe ir y sentarse», dijo Song. «O, idealmente, en el futuro podemos detectar señales de convulsiones y luego enviar estimulación eléctrica a través de un dispositivo implantable al cerebro para evitar que ocurra la convulsión».
Liu dijo que el descubrimiento tendría importantes implicaciones positivas para la salud pública. , dado que el tratamiento de la epilepsia se vio gravemente afectado el año pasado por la pandemia.
«Es de esperar que esto cambie la forma en que tratamos la epilepsia en el futuro y está impulsado por las necesidades que han existido durante mucho tiempo, pero se han destacado y acelerado por COVID», dijo Liu.
Dijo que actualmente, los pacientes con epilepsia médicamente intratable (epilepsia que no se puede controlar con medicamentos) son admitidos electivamente en el hospital para monitoreo de video EEG. Con la llegada de COVID, estas admisiones electivas se detuvieron por completo y los programas de epilepsia en todo el país se detuvieron 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.
«Entonces, necesitamos crear un nuevo flujo de trabajo mediante el cual, en lugar de traer 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 mediante el distanciamiento físico, sino que también puede escalar de una manera que solo lo permite la tecnología. La computación puede analizar miles de páginas de datos a la vez, mientras que un solo neurólogo no puede».
Cómo el El modelo de predicción de convulsiones funciona
Song dijo que el nuevo modelo era diferente a los modelos anteriores de predicción de convulsiones en el sentido de que extrae información tanto lineal como no lineal de las señales cerebrales del paciente.
«Lineal es la característica simple. Si entiendes las partes, puedes entender el todo», dijo Song. «Mientras que la característica no lineal significa que incluso si comprende las partes, cuando aumenta la escala tiene algunas propiedades emergentes que no se pueden explicar».
«Para algunos pacientes, las características lineales son más importantes y para En otros pacientes, las características no lineales son más importantes», dijo Song.
Song dijo que mientras otros modelos predicen la actividad cerebral en una escala de tiempo corta, 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 lo que sucede no solo a corto plazo, sino en muchos más pasos en el futuro», dijo Song.
Dijo que el modelo también es único en el sentido de que es específico para cada paciente: extrae la información que es importante para cada paciente individual. Porque cada cerebro es muy diferente en cuanto a las señales que indican un estado «preictal».
«Todos los pacientes son diferentes entre sí, por lo que para predecir con precisión las convulsiones, necesitamos registrar las señales , necesitamos observar muchas funciones diferentes y necesitamos tener un algoritmo para seleccionar la función más importante para la predicción», dijo Song.
«No puedo decirte lo emocionante que es, esto es 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», dijo Liu
«Los epileptólogos aún son relativamente pocos en número en muchas partes de nuestro país y el mundo. Si bien pueden identificar muchas características sutiles en EEG, los tipos de modelos que Song puede crear pueden identificar características adicionales a una escala masiva necesaria para ayudar a los millones de pacientes afectados por la epilepsia en nuestra región. y en todo el mundo», dijo Liu.
Heck, quien también es codirector de USC Neurorestora tion Center, dijo que hay dos problemas importantes para la relevancia clínica de esta tecnología.
«Uno es que la mayoría de los pacientes que sufren de epilepsia viven con miedo y ansiedad acerca de su próxima convulsión, que puede golpear como relámpago en el momento más inoportuno, tal vez mientras conduce, o simplemente caminando en público. Una advertencia amplia brinda una oportunidad crítica de ‘ponerse a salvo'», dijo Heck. «El segundo problema clínicamente relevante es que tenemos implantes cerebrales, dispositivos inteligentes, que esta tecnología de ingeniería puede mejorar, dando una mayor esperanza de eficacia de nuestras terapias existentes».
Explore más
Detección de la epilepsia con entropía Más información: Pen-g Yu et al, A sparse multiscale nonlinear autorregressive model for convulsion Prediction, Journal of Neural Engineering (2021). DOI: 10.1088/1741-2552/abdd43 Información de la revista: Journal of Neural Engineering
Proporcionado por la Universidad del Sur de California Cita: La advertencia temprana de convulsiones podría ser un juego. cambiador para pacientes con epilepsia (2021, 26 de febrero) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-early-warning-seizures-game-changer-epilepsy-patients.html Este documento está sujeto a derechos de autor Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede ser reproducido sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.