Un algoritmo detecta automáticamente focos epilépticos en el cerebro

Reconoce la ubicación de las fuentes de las convulsiones y facilita su tratamiento.

Investigadores rusos han desarrollado una técnica biomimética que localiza automáticamente en el cerebro los focos de las convulsiones epilépticas, a partir de datos obtenidos por los sistemas tradicionales de observación neuronal. Mejora los resultados obtenidos por las técnicas actuales.

Investigadores del Centre for Bioelectric Interfaces de Rusia han desarrollado una técnica biomimética (imitación) que localiza automáticamente focos de actividad epiléptica en diferentes regiones de la corteza cerebral humana.

Este enfoque aumentará la eficacia del tratamiento neuroquirúrgico de la epilepsia. El trabajo fue publicado en el Journal of Neural Engineering.

“En cierto sentido, el funcionamiento de nuestro método se parece al trabajo humano. La naturaleza biomimética de nuestro algoritmo facilita la interacción entre la máquina y el médico y aumenta el nivel de confianza de este último en los resultados del análisis automático”, explica Alexei Ossadtchi, director del Centro que ha protagonizado esta investigación, citado por TASS.

Según la OMS, alrededor de 50 millones de personas en la Tierra sufren diversas formas de epilepsia. En aproximadamente el 70% de los casos, los médicos logran suprimir la enfermedad con medicamentos, pero a veces la enfermedad no tiene tratamiento. Esto obliga a los médicos a tomar medidas más drásticas: implantar electrodos o dañar la parte del cerebro donde se encuentra el foco epiléptico.

ALGORITMO BIOMIMÉTICO

Ossadtchi y sus colegas han desarrollado un algoritmo al que han denominado Coincidencia Rápida de Curvas Paramétricas (FPCM), que refina automáticamente la posición de los focos de actividad epiléptica de acuerdo con los datos recopilados, bien mediante magnetoencefalografía (MEG), bien mediante electroencefalografía (EEG), o también a través de electrodos implantados en el cerebro del paciente.

Por lo general, las mediciones mediante EEG, MEG y electrodos, se utilizan para detectar fuentes de descargas entre convulsiones o actividad epileptiforme (tipos de fluctuaciones de EEG características de las personas con epilepsia).

Sin embargo, la búsqueda de descargas se ve obstaculizada por el “ruido” eléctrico que produce el cerebro durante su funcionamiento normal.

Lo que han hecho estos científicos es simplificar la búsqueda de esas fuentes de descargas previas a las convulsiones, al desarrollar un algoritmo biomimético.

TESTADO CON ÉXITO

El algoritmo se basa en el uso de ráfagas de descargas epileptiformes entre episodios (interictales), para tamizar rápidamente los datos y buscar dichas señales en los resultados de las observaciones directas e indirectas de la actividad cerebral.

Los científicos probaron el trabajo del algoritmo, tanto en conjuntos de datos creados artificialmente, como en los resultados de las mediciones realizadas en voluntarios, utilizando sistemas EEG y MEG, así como después de implantar electrodos en el cerebro de ratas.

Las pruebas han demostrado que el nuevo algoritmo localiza con éxito las fuentes de convulsiones y supera a otros enfoques afectados por altos niveles de ruido.

Esto último, según los investigadores, hará que su aplicación sea particularmente atractiva para su uso en la práctica, ya que las mediciones clínicas de EEG y MEG a menudo contienen una gran cantidad de artefactos y ruido que reducen la calidad de la localización de los focos de actividad epiléptica.

Por este motivo, el algoritmo puede complementar el arsenal existente de medios para el análisis de conjuntos de datos interictales ruidosos, concluyen los investigadores en su artículo.

REFERENCIA

Fast parametric curve matching (FPCM) for automatic spike detection. Daria Kleeva et al. Journal of Neural Engineering, 19 April 2022.

EPE