Uso de machine learning para predecir la recuperación de pacientes con lesiones cerebrales

 

Autora: Ximena Ramírez López

Después de una lesión cerebral, se tiene una gran incertidumbre acerca de la gravedad de esta y las posibilidades de una recuperación total. Usando imagen por resonancia magnética funcional (fMRI) en conjunto con el aprendizaje automático o machine learning, se pretende predecir la rapidez y la eficacia de la recuperación en los pacientes con lesiones de este tipo (Science News, 2023).

¿Qué son las lesiones cerebrales?

Las lesiones cerebrales son afecciones en el cerebro causadas por algún golpe o lesión de manera directa o indirecta hacia la cabeza provocando un déficit neuronal (NIH, 2023). Las heridas resultantes de estos traumatismos pueden ser primarias o secundarias (Galgano et al., 2017):

  • Heridas primarias: estas se refieren a las consecuencias que se presentan de manera inmediata después de que se da la lesión. Este tipo de lesiones incluyen las contusiones y hematomas cerebrales.

  • Heridas secundarias: estas consecuencias se pueden presentar minutos o días después del impacto inicial. Esto se da ya que, después del golpe, se activa una cascada química en la que se despolarizan las neuronas. Este proceso libera calcio dentro del espacio intracelular. Como consecuencia, se activa un proceso apoptótico en las células neuronales lo que favorece la inflamación cerebral. En este caso, las lesiones pueden ser la presencia de hemorragias y un aumento de la presión intracraneal como consecuencia de una inflamación.

¿Cuáles son las formas de diagnóstico después de una lesión cerebral?

De acuerdo con lo establecido por el Centro para el control y la prevención de enfermedades (CDC), lo primero que se debe de realizar si se sospecha que la persona sufrió una lesión cerebral, es realizar un examen médico. Este consiste en evaluar la función motora, sensorial, coordinación y los reflejos (FDA, 2021). Algunas de las pruebas que generalmente se utilizan son las siguientes (NIH, 2020):

  • Escala de Coma de Glasgow: se mide la habilidad del paciente para mantener los ojos abiertos, hablar y su habilidad motora. Si se tiene una calificación de 8 para abajo, significa que es una lesión grave.

  • Pruebas sanguíneas: el objetivo es detectar las proteínas UCH-L1 y GFAP ya que se tiene evidencia de que están presentes en la sangre cuando se tiene una contusión.

  • Resonancia magnética funcional (fMRI): se monitorea el flujo sanguíneo dentro del cerebro, cuando se tiene actividad en una parte específica del cerebro, el flujo sanguíneo aumenta y esto permite que se genere una imagen en 3D del cerebro (Cleveland Clinic, 2023).

Uso de machine learning para un diagnóstico certero

En la actualidad, es muy difícil de predecir si un paciente con una lesión cerebral tendrá una recuperación total o parcial. Por esta razón, científicos de la Universidad de Ontario Occidental, están desarrollando una técnica que combina la fMRI con machine learning para predecir qué pacientes tendrán una recuperación favorable. Después de realizar varios estudios, se llegó a la conclusión que los pacientes que presentan una actividad cerebral normal tienen más posibilidades de realizar una recuperación total. Con estos datos, se ha establecido un patrón para detectar cuál es la actividad cerebral normal y de esta manera, realizar una predicción con un 80% de efectividad, de cuáles serán los pacientes con una recuperación total.

En la actualidad, no se tiene un método eficaz para determinar si algún paciente con una lesión cerebral podrá tener una recuperación favorable. Por esta razón, científicos de la Universidad de Ontario Occidental han combinado la fMRI con machine learning para realizar un diagnóstico de recuperación efectivo. Esta técnica se basa en los patrones normales de actividad cerebral y los compara con los del paciente para poder realizar un diagnóstico con un 80% de efectividad. Aunque aún es necesario realizar más estudios para determinar su efectividad, los resultados han sido favorables.

Referencias              

 
DatosRGT Consultores InternacionalesDatos