La IA abre la puerta a delinear a tiempo la epilepsia y el alzhéimer

El Consejo Superior de Investigaciones Científicas (CSIC) ha desarrollado un banco de modelos basados en Inteligencia Artificial (IA) que abren la puerta a explorar los patrones de actividad eléctrica cerebral, con utilidad a la hora de diagnosticar precozmente el alzhéimer de forma más temprana que las manifestaciones cognitivas. Además, su potencial también gana enteros delinear mejor las regiones epileptógenas y localizarlas con rapidez, junto con ofrecer información sobre la presencia de posibles metastasis peritumorales en el cerebro. La investigación ha comprobado en ratones y primates las señales electroencefalográficas, y ahora busca dar el salto definitivo a la clínica para verificar todas estas alternativas.

La columna vertebral de esta investigación es el estudio y la comprensión de las señales cerebrales, tal y como destaca en Redacción Médica Liset de la Prida, investigadora del CSIC en el Instituto Cajal: “Según el estado de la actividad cerebral, aparecen oscilaciones que pueden llegar a ser muy lentas o muy rápidas, pero la identificación de ciertos eventos electrofisiológicos no ha sido fácil. La utilización de nuevas estrategias computacionales ligadas a la IA ya permite analizar estos parámetros”.

La investigación tenía como principal objetivo desarrollar algoritmos de detección de los ritmos rápidos, también conocidos como ripples, entre 100 y 200 ciclos por segundo. La especialista destaca que estas fluctuaciones se registran en regiones del cerebro que están ligadas con la memoria y el aprendizaje, ubicadas en el hipocampo. Estos ritmos tan rápidos son el resultado de la sincronización transitoria de algunas neuronas, registrándose las zonas epileptógenas”. La detección de estos ritmos hasta la fecha era complicada en contextos  clínicos, ya que el principal problema, según De la Prida, era que “estos ritmos tan rápidos se confundían con artefactos y existía ruido que dificultaba su detección”.

---

"Cuando existe una actividad mental intensa, aparecen oscilaciones que pueden lelgar a ser my lentas o muy rápidas"

---

A través de la creación de distintos algoritmos, se ha conseguido reconocer datos mediante un análisis supervisado. La especialista apunta a que el experto “puede llegar a identificar en qué región del registro se encuentran estos ritmos, entrena a los algoritmos y estos pueden modificar sus parámetros de manera que reconozcan diferentes tipos de oscilaciones rápidas”.

El algoritmo pasa de ratones a primates con éxito

Estos modelos fueron testados en registros de ratones en experimentación. “Se aplicó a otros registros que nunca habían visto estos modelos y se logró un muy buen resultados”, certifica la investigadora, que tras este hallazgo quiso dar un paso más, esta vez con primates: “Después de contactar con la investigadora Kari Hoffman, de la Universidad de Vanderbilt, se aplicaron los algoritmos a registros electroencefalográficos obtenidos en monos con resultados muy satisfactorios. Se entrenó más a los modelos y estos mejoraron su comportamiento a la hora de identificar actividades eléctricas cerebrales concretas”.

El paso definitivo que la investigadora del CSIC espera llevar a cabo este año es testar los diferentes modelos de IA para “delinear las zonas epileptógenas en diferentes tipos de epilepsia. Su penetración clínica se ve complicada por dificultades de separarlos del ruido”. Gracias a la creación del banco de modelos de IA, De la Prida anuncia que “ya se puede extrapolar para la monitorización de estas zonas, con registros de pacientes que sufran estas enfermedades para reentrenar a los modelos y explorar el margen de aplicación”. Este uso de la tecnología en humanos permitiría, según la investigadora, “mejorar la confirmación de la epilepsia en distintas regiones, cuando la imagen de resonancia no sea concluyente”.

---

"El banco de modelos de IA ya se puede extrapolar para la monitorización de las zonas epileptógenas"

---

Además de las epilepsias, la especialista augura un camino aún por explorar como es el de convertir a estos algoritmos en predictores del alzhéimer: “Es posible la monitorización de este tipo de oscilaciones como predictores de alteraciones ligados a la enfermedad neurodegenerativa. Se debe trabajar en la especificidad y la seguridad para alcanzar un potencial diagnóstico precoz”.