Neurons Inside of Brain

Nuevo algoritmo de IA podría conducir a una cura para la epilepsia


La epilepsia es una afección neurológica en la que se altera la actividad de las células nerviosas del cerebro, lo que provoca convulsiones.

El algoritmo de IA detecta anomalías cerebrales que causan ataques epilépticos.

Investigadores internacionales que trabajan bajo la dirección del University College London han creado un algoritmo de inteligencia artificial (IA) que puede identificar anomalías cerebrales sutiles que causan ataques epilépticos.

Para crear el algoritmo que revela dónde se producen las anomalías en casos de displasia cortical focal (FCD) resistente a los medicamentos, una de las principales causas de la epilepsia, el proyecto Multicentre Epilepsy Lesion Detection (MELD) analizó más de 1000 imágenes de resonancia magnética de pacientes de 22 centros internacionales de epilepsia. centros.

Los FCD son regiones del cerebro que se han desarrollado de manera anormal y, a menudo, causan epilepsia resistente a los medicamentos. La cirugía generalmente se usa para tratarlo, sin embargo, encontrar las lesiones en una resonancia magnética es un problema continuo para los médicos, ya que las exploraciones de resonancia magnética para FCD pueden parecer normales.

Los científicos utilizaron alrededor de 300,000 ubicaciones en todo el cerebro para desarrollar el algoritmo, que midió las características corticales mediante resonancias magnéticas, como el grosor o el pliegue de la superficie de la corteza/cerebro. Después de eso, según los patrones y las características, los radiólogos profesionales clasificaron los ejemplos como con FCD o con un cerebro sano, lo que sirvió como datos de entrenamiento del algoritmo.

Según los resultados, que se publicaron en la revista Cerebroel algoritmo logró identificar la FCD en el 67 % de los casos de la cohorte (538 participantes).

Previamente, 178 de los individuos fueron declarados negativos en la resonancia magnética, lo que significa que los radiólogos no pudieron detectar la anomalía; sin embargo, el algoritmo MELD pudo detectar el FCD en el 63 % de estos casos.

Esto es particularmente crucial porque, si los profesionales médicos pueden identificar la anomalía en el escáner cerebral, la cirugía para extirparla puede proporcionar una cura.

La coautora Mathilde Ripart (Instituto de Salud Infantil Great Ormond Street de UCL) dijo: “Ponemos énfasis en crear un algoritmo de IA que fuera interpretable y pudiera ayudar a los médicos a tomar decisiones. Mostrar a los médicos cómo el algoritmo MELD hacía sus predicciones fue una parte esencial de ese proceso”.

El coautor principal, el Dr. Konrad Wagstyl (Instituto de Neurología Queen Square de UCL) agregó: “Este algoritmo podría ayudar a encontrar más de estas lesiones ocultas en niños y adultos con epilepsia, y permitir que más pacientes con epilepsia sean considerados para cirugía cerebral. que podría curar la epilepsia y mejorar su desarrollo cognitivo. Aproximadamente 440 niños por año podrían beneficiarse de la cirugía de epilepsia en Inglaterra”.

Alrededor del 1% de la población mundial tiene epilepsia, una enfermedad neurológica grave, que se caracteriza por convulsiones frecuentes.

En el Reino Unido se ven afectadas unas 600.000 personas. Si bien los tratamientos farmacológicos están disponibles para la mayoría de las personas con epilepsia, entre el 20 y el 30 % no responden a los medicamentos.

En los niños que se han sometido a una cirugía para controlar su epilepsia, la DFC es la causa más común y en los adultos es la tercera causa más común.

Además, de los pacientes que tienen epilepsia que tienen una anomalía en el cerebro que no se puede encontrar en las resonancias magnéticas, la FCD es la causa más común.

La coautora principal, la Dra. Hannah Spitzer (Helmholtz Munich) dijo: “Nuestro algoritmo aprende automáticamente a detectar lesiones de miles de resonancias magnéticas de pacientes. Puede detectar de forma fiable lesiones de diferentes tipos, formas y tamaños, e incluso muchas de esas lesiones que antes los radiólogos pasaban por alto”.

La coautora principal, la Dra. Sophie Adler (Instituto de Salud Infantil Great Ormond Street de UCL) agregó: “Esperamos que esta tecnología ayude a identificar las anomalías que causan la epilepsia que actualmente se están pasando por alto. En última instancia, podría permitir que más personas con epilepsia se sometan a una cirugía cerebral potencialmente curativa”.

Este estudio sobre la detección de FCD utiliza la mayor cohorte de MRI de FCD hasta la fecha, lo que significa que es capaz de detectar todos los tipos de FCD.

La herramienta clasificadora MELD FCD se puede ejecutar en cualquier paciente con sospecha de tener una FCD que tenga más de 3 años y tenga una resonancia magnética.

Limitaciones del estudio

Se utilizaron diferentes escáneres de resonancia magnética en los 22 hospitales involucrados en el estudio en todo el mundo, lo que permite que el algoritmo sea más sólido, pero también podría afectar la sensibilidad y la especificidad del algoritmo.

Referencia: “Detección de displasias corticales focales basadas en superficies interpretables: un estudio multicéntrico de detección de lesiones epilépticas” por Hannah Spitzer, Mathilde Ripart, Kirstie Whitaker, Felice D’Arco, Kshitij Mankad, Andrew A Chen, Antonio Napolitano, Luca De Palma , Alessandro De Benedictis, Stephen Foldes, Zachary Humphreys, Kai Zhang, Wenhan Hu, Jiajie Mo, Marcus Likeman, Shirin Davies, Christopher Güttler, Matteo Lenge, Nathan T Cohen, Yingying Tang, Shan Wang, Aswin Chari, Martin Tisdall, Nuria Bargallo , Estefanía Conde-Blanco, Jose Carlos Pariente, Saül Pascual-Diaz, Ignacio Delgado-Martínez, Carmen Pérez-Enríquez, Ilaria Lagorio, Eugenio Abela, Nandini Mullatti, Jonathan O’Muircheartaigh, Katy Vecchiato, Yawu Liu, Maria Eugenia Caligiuri, Ben Sinclair, Lucy Vivash, Anna Willard, Jothy Kandasamy, Ailsa McLellan, Drahoslav Sokol, Mira Semmelroch, Ane G Kloster, Giske Opheim, Letícia Ribeiro, Clarissa Yasuda, Camilla Rossi-Espagnet, Khalid Hamandi, Anna Tietze, Carmen Barba, Renzo Guer rini, William Davis Gaillard, Xiaozhen You, Irene Wang, Sofía González-Ortiz, Mariasavina Severino, Pasquale Striano, Domenico Tortora, Reetta Kälviäinen, Antonio Gambardella, Angelo Labate, Patricia Desmond, Elaine Lui, Terence O’Brien, Jay Shetty, Graeme Jackson, John S Duncan, Gavin P Winston, Lars H Pinborg, Fernando Cendes, Fabian J Theis, Russell T Shinohara, J Helen Cross, Torsten Baldeweg, Sophie Adler y Konrad Wagstyl, 12 de agosto de 2022, Cerebro.
DOI: 10.1093/cerebro/awac224

El proyecto MELD fue financiado por Rosetrees Trust.

Deja un comentario

Tu dirección de correo electrónico no será publicada.