El modelo que utiliza señales cerebrales puede funcionar como un sistema de alerta temprana para las convulsiones

Estados Unidos:

Los investigadores han desarrollado un modelo matemático para identificar patrones de señales eléctricas en el cerebro que predicen las convulsiones epilépticas de antemano, lo que beneficia a las personas con trastornos relacionados con las convulsiones, como el síndrome de Dravet, informa un estudio.

El estudio, «La alerta temprana para las convulsiones podría cambiar las reglas del juego para los pacientes con epilepsia», se publicó en el Journal of Neural Engineering.

Las convulsiones epilépticas son el resultado de un aumento repentino de la actividad eléctrica en el cerebro. Las convulsiones no son una enfermedad real, sino un síntoma de varios trastornos que pueden afectar al cerebro, incluido Dravet, que se caracteriza por episodios convulsivos que duran más de cinco minutos y que son difíciles de controlar con medicamentos.

Los científicos de la Universidad del Sur de California diseñaron un modelo matemático que utiliza señales eléctricas del cerebro para dar a las personas que experimentan ataques epilépticos una advertencia de cinco a 60 minutos antes de que comiencen.

«Por ejemplo, podría ser tan simple como alertar al paciente de que la convulsión se acerca la próxima hora, por lo que no deben conducir su automóvil en este momento, o deben tomar sus medicamentos, o deben ir y sentarse», Dong Song, PhD, coautor principal del estudio, dijo en un comunicado de prensa.

“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 ocurran las convulsiones”, agregó Song.

El equipo trabajó con pacientes que se habían sometido a electroencefalografía intracraneal (iEEG), en la que se implantaron electrodos o se colocaron directamente en la superficie del cerebro para registrar la actividad eléctrica en tiempo real. Al igual que con un electroencefalograma (EEG) que utiliza electrodos externos colocados en el cuero cabelludo, se recopilaron señales eléctricas de implantes cerebrales. Luego, el modelo matemático analizó las señales para identificar patrones que distinguen las señales que generalmente ocurren entre las convulsiones (interictal) de las que se forman inmediatamente antes de un ataque (preictal). Este modelo matemático utilizó patrones de señales eléctricas lineales (simples) y no lineales (complejas) que pueden variar entre pacientes.

“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 escala, tiene algunas propiedades emergentes que no se pueden explicar».

«Para algunos pacientes, las características lineales son más importantes, y para otros pacientes, las características no lineales son más importantes», agregó.

Además, los análisis de señales que ocurrieron rápidamente, en milisegundos, se combinaron con aquellos en una escala de tiempo más larga.

“El cerebro es un dispositivo de escala multitemporal, por lo que debemos comprender qué sucede no solo a corto plazo, sino muchos más pasos en el futuro”, dijo Song.

De esta manera, el modelo es específico para un paciente individual, ya que existen diferencias en las señales preictales entre las personas antes de las convulsiones.

Los resultados de las pruebas mostraron que el modelo clasificó con precisión los estados convulsivos (de cinco a 60 minutos antes) utilizando datos de iEEG registrados en 10 personas y en caninos. El equipo demostró que agregar una escala de tiempo más larga y características no lineales mejoró significativamente el rendimiento del modelo.

Un análisis encontró un alto grado de variabilidad en los tipos de señales eléctricas que contribuyeron a la predicción de convulsiones en diferentes pacientes.

“Los epileptólogos son todavía relativamente pocos en muchas partes de nuestro país y del mundo. Si bien pueden identificar muchas características sutiles en el EEG, los tipos de modelos que Song puede crear pueden identificar características adicionales a una escala masiva necesarias para ayudar a los millones de pacientes afectados por la epilepsia en nuestra región y en todo el mundo”, dijo Charles Liu, MD, PhD , el otro coautor principal del estudio.

Un beneficio potencial inesperado de este enfoque surgió de la pandemia de COVID, que afectó en gran medida el tratamiento de la epilepsia.

Los pacientes cuya epilepsia no se puede controlar con medicamentos suelen ser ingresados ​​en el hospital para la monitorización EEG. Con la pandemia, estas admisiones electivas se detuvieron por completo y se interrumpieron los programas de epilepsia. La aplicación del modelo utilizando registros de EEG del cuero cabelludo o electrodos espinales se puede realizar en casa y analizar computacionalmente.

«Es de esperar que esto cambie la forma en que lidiamos con la epilepsia en el futuro, y está impulsado por las necesidades que han existido durante mucho tiempo pero que COVID ha destacado y acelerado», dijo Liu.

“Necesitamos crear un nuevo flujo de trabajo mediante el cual, en lugar de llevar a los pacientes a la UCI, tomemos las grabaciones de su hogar y usemos los modelos de computación para hacer todo lo que hubieran hecho en el hospital”, agregó Liu. “No solo se puede administrar a los pacientes mediante el distanciamiento físico, también se puede escalar de una manera que solo la tecnología lo permite. La computación puede analizar miles de páginas de datos a la vez, mientras que un solo neurólogo no puede».

En general, el estudio «sugiere que la generación de convulsiones puede involucrar distintos procesos dinámicos lineales / no lineales causados por diferentes mecanismos neurobiológicos subyacentes», escribió el equipo. «Es necesario crear modelos de clasificación específicos para cada paciente con una amplia gama de características dinámicas».

Christianne Heck, MD, autora del estudio, señaló dos cuestiones importantes en la relevancia de esta tecnología.

“Una es que la mayoría de los pacientes que sufren de epilepsia viven con miedo y ansiedad por su próxima convulsión, que puede caer como un rayo en el momento más inoportuno, tal vez mientras conducen o simplemente caminan en público. Una advertencia amplia brinda una oportunidad crítica de ‘ponerse a salvo’ ”, dijo Heck.

«El segundo tema relevante clínicamente es que tenemos implantes cerebrales, dispositivos inteligentes, que esta tecnología de ingeniería puede mejorar, dando una mayor esperanza de eficacia de nuestras terapias existentes».


Steve Bryson, PhD

Fuente: https://dravetsyndromenews.com/2021/05/04/usc-model-brain-signals-early-warning-system-seizures/?cn-reloaded=1