Neurociencia · us
Pacientes que responden a las alertas del EEG: un pequeño estudio de una plataforma de IA para la epilepsia reduce un 80% las falsas alarmas
13 pacientes hospitalizados consultaron información sobre su actividad cerebral por teléfono móvil y ayudaron a etiquetar posibles crisis. Este intercambio bidireccional mejoró la detección, pero aún se necesita una validación más prolongada antes de llevarlo a la vida cotidiana.
La monitorización electroencefalográfica puede captar señales de posibles crisis epilépticas, pero también puede clasificar actividad inocua como una alerta y generar numerosos registros que requieren revisión por especialistas. Un equipo de la Universidad de Pensilvania, en Estados Unidos, intentó incorporar la experiencia de los pacientes a este proceso: permitir que la plataforma de monitorización conversara con ellos a través del teléfono móvil y utilizar sus respuestas para mejorar la interpretación. En un estudio de prueba de concepto con 13 participantes, los comentarios de los pacientes redujeron aproximadamente un 80% la tasa de falsas alarmas del modelo de detección.
El estudio se publicó el 13 de octubre en Nature Medicine. Todos los participantes eran adultos con epilepsia sometidos a una evaluación prequirúrgica en el Hospital de la Universidad de Pensilvania; 11 utilizaron electroencefalografía de superficie y 2 recibieron monitorización electroencefalográfica intracraneal. Se trató de un estudio observacional de un solo centro y no se modificó el tratamiento habitual durante el periodo de prueba.
La plataforma conectó los resultados del análisis electroencefalográfico con una interfaz basada en un modelo de lenguaje de gran tamaño, lo que permitió a los pacientes recibir notificaciones, registrar síntomas y formular sus propias preguntas, por ejemplo, si se habían producido posibles crisis durante el sueño. Según los Institutos Nacionales de la Salud de Estados Unidos, durante el estudio se intercambiaron más de 1.300 mensajes; más del 92% de las respuestas del sistema a preguntas sobre la actividad cerebral se calificaron como exactas y pertinentes. Este resultado mide la calidad de las respuestas informativas y no puede interpretarse directamente como la exactitud de la detección de crisis.
Los pacientes también respondieron a más del 67% de los avisos de crisis en tiempo real y etiquetaron los eventos como reales, falsas alarmas o inciertos. El equipo utilizó después estas etiquetas para entrenar el modelo de detección. El artículo señala que la mejora en las falsas alarmas se verificó mediante un análisis que simuló el funcionamiento real siguiendo el orden cronológico y mantuvo la sensibilidad de detección original; por tanto, la reducción del 80% refleja el rendimiento del modelo y no significa que disminuyera el número de crisis de los pacientes.
Las percepciones de los pacientes pueden complementar la interpretación de las señales, pero también tienen limitaciones: algunas crisis pasan inadvertidas, y los problemas de memoria posteriores a una crisis o las respuestas tardías también pueden afectar al etiquetado. Además, el estudio contó con solo 13 personas, tuvo un periodo de observación breve y se realizó en un entorno hospitalario con supervisión continua. Por ahora, los resultados respaldan principalmente la viabilidad técnica y aún no bastan para demostrar que el uso prolongado en el hogar pueda mejorar la salud o la calidad de vida.
El equipo está planificando un estudio ambulatorio de mayor escala. El siguiente paso será determinar si, una vez fuera del hospital, los pacientes pueden mantener su participación, si el sistema puede seguir ofreciendo interpretaciones fiables y cómo deben los especialistas revisar los comentarios incompletos. Esta plataforma ofrece una vía concreta: permitir que los pacientes, además de recibir los resultados de la monitorización, participen en la corrección de las herramientas de monitorización.