Un equipo de investigadores internacionales dirigido por UCL ha desarrollado un algoritmo de inteligencia artificial (IA) que puede detectar anomalías cerebrales sutiles que causan ataques epilépticos.
El proyecto Multicentre Epilepsy Lesion Detection (MELD) utilizó más de 1000 resonancias magnéticas de pacientes de 22 centros de epilepsia de todo el mundo para desarrollar el algoritmo, que proporciona informes sobre dónde se encuentran las anomalías en los casos de displasia cortical focal (FCD) resistente a los medicamentos, una de las principales causas de epilepsia.
Las FCD son áreas del cerebro que se han desarrollado de manera anormal y, a menudo, causan epilepsia resistente a los medicamentos. Por lo general, se trata con cirugía; sin embargo, la identificación de las lesiones a partir de una resonancia magnética es un desafío continuo para los médicos, ya que las exploraciones de resonancia magnética en los FCD pueden parecer normales.
Para desarrollar el algoritmo, el equipo cuantificó las características corticales de las imágenes de resonancia magnética, como el grosor o el pliegue de la superficie de la corteza/cerebro, y utilizó alrededor de 300.000 ubicaciones en todo el cerebro.
Luego, los investigadores entrenaron el algoritmo en ejemplos etiquetados por radiólogos expertos como un cerebro sano o con FCD, según sus patrones y características.
Los hallazgos, publicados en Brain, encontraron que, en general, el algoritmo pudo detectar la FCD en el 67% de los casos en la cohorte (538 participantes).
Anteriormente, 178 de los participantes habían sido considerados negativos en la resonancia magnética, lo que significa que los radiólogos no habían podido encontrar la anomalía; sin embargo, el algoritmo MELD pudo identificar la FCD en el 63 % de estos casos.
Esto es particularmente importante, ya que si los médicos pueden encontrar la anomalía en el escáner cerebral, entonces 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 UCL Queen Square) 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 condición 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.
El proyecto MELD cuenta con el apoyo de Rosetrees Trust.
8 respuestas
Reading your article helped me a lot and I agree with you. But I still have some doubts, can you clarify for me? I’ll keep an eye out for your answers.
Very nice post. I just stumbled upon your blog and wanted to say that I’ve really enjoyed browsing your blog posts. In any case I’ll be subscribing to your feed and I hope you write again soon!
Very nice post. I just stumbled upon your blog and wanted to say that I’ve really enjoyed browsing your blog posts. In any case I’ll be subscribing to your feed and I hope you write again soon!
Can you be more specific about the content of your article? After reading it, I still have some doubts. Hope you can help me. https://accounts.binance.com/de-CH/register?ref=WTOZ531Y
Your article helped me a lot, is there any more related content? Thanks!
Your article helped me a lot, is there any more related content? Thanks!
Thank you for your sharing. I am worried that I lack creative ideas. It is your article that makes me full of hope. Thank you. But, I have a question, can you help me?
Thank you for your sharing. I am worried that I lack creative ideas. It is your article that makes me full of hope. Thank you. But, I have a question, can you help me?