
Preparar el escenario para comprender mejor los trastornos cerebrales complejos
Publicado : 25 de agosto de 2023
A menudo comparamos el cerebro con una máquina de ruedas, engranajes y correas. Según esta analogía, cuando algo se rompe, todo el mecanismo falla o se detiene. Sin embargo, la mayoría de las veces no es eso lo que ocurre en nuestro cerebro. Se parece más a un teatro. Aquí, las neuronas son los músicos, los actores y los bailarines, e improvisan una función que da forma a nuestros pensamientos y nuestra vida.
Soy ingeniero electrónico e informático en el DSS Lab de la National Technical University of Athens. En diciembre de 2019, Ioannis Stavropoulos, neurocientífico del King’s College London, me presentó a su colega Elissaios Karageorgiou, del Instituto Neurológico de Atenas. Querían hablar, tomando un café, de una idea que tenían sobre la neurología y, en cierto modo, el teatro.
En cualquier obra de teatro hay errores: un violín puede fallar una nota, un batería saltarse un compás, un actor equivocarse en una frase o un bailarín tropezar. A veces fallan muchas cosas a la vez y el público se queda preguntándose qué pasa. ¿Fue el cantante el que desafinó? ¿Fue el pianista el que tocó el acorde equivocado? ¿Se apagaron las luces en mal momento y los confundieron a ambos?
Los trastornos cerebrales complejos (CoBraD, por sus siglas en inglés) se parecen mucho a eso. Entre ellos están el alzhéimer, los problemas de sueño y la epilepsia. Vemos sus síntomas como tropiezos en la función, pero es difícil agruparlos, ponerles nombre y conocer sus causas. Cuando aparecen varios síntomas a la vez, el diagnóstico es especialmente difícil.
Sería difícil saber qué falla en un musical o una obra escuchando solo uno o dos segundos cada media hora. Del mismo modo, es más difícil diagnosticar un problema médico si solo vemos al paciente un momento, como en las visitas ocasionales al médico. Por eso, los CoBraD pueden quedar sin diagnosticar o infradiagnosticados durante mucho tiempo, o diagnosticarse mal. Pueden coexistir varios a la vez, y el diagnóstico y el tratamiento son caros, a veces inaccesibles para los pacientes y a menudo ineficaces.
Prestar atención a toda la función
Igual que una obra de teatro depende de que cada artista haga bien su papel para que la función cautive, diagnosticar los CoBraD exige una gran variedad de datos precisos y armonizados. El alzhéimer, los trastornos del sueño y la epilepsia están entre las afecciones que Ioannis y Elissaios estudian y tratan. Conscientes de los límites de los métodos de diagnóstico tradicionales, se fijaron en los datos del mundo real (RWD, por sus siglas en inglés), es decir, datos recogidos directamente de pacientes que no participan en un ensayo clínico.
Los datos obtenidos de ensayos clínicos son más fiables que los datos del mundo real: son el resultado de experimentos realizados en condiciones estrictas y controladas. Sin embargo, suelen ser difíciles y caros de conseguir, de tamaño limitado, y pueden no reflejar del todo la complejidad y variabilidad del mundo real.
En cambio, los datos del mundo real abarcan una variedad más amplia de fuentes de información, desde historias clínicas electrónicas y visitas de pacientes hasta dispositivos médicos como resonancias magnéticas y wearables. Al agregarse, estos datos diversos se convierten en “big data” y ofrecen una visión más completa de la salud del paciente. Este enfoque integral puede revelar patrones y conocimientos que se escaparían a métodos de diagnóstico más convencionales y limitados.
Reunir grandes cantidades de datos del mundo real es solo el principio. El verdadero reto es armonizarlos y analizarlos para extraer conclusiones útiles y luego encontrar formas de usarlas para diagnosticar y tratar a los pacientes. Para lograrlo, recurrimos a expertos de varias disciplinas científicas. Nuestra visión pasó a ser crear una plataforma digital donde los neurocientíficos pudieran almacenar y compartir grandes cantidades de datos, analizarlos y usarlos para idear nuevos procesos y criterios de diagnóstico más complejos y matizados de lo que pueden manejar los médicos humanos.
Estos procesos se integrarían en la plataforma para ayudar a los médicos a tomar decisiones al diagnosticar o tratar a sus pacientes. Son los llamados sistemas de apoyo a la decisión y, cuando usan herramientas como la inteligencia artificial para potenciar las competencias de los expertos humanos en un campo técnico o científico, se denominan sistemas expertos.
Los científicos han planteado numerosas ideas que apuntan a que pistas sutiles y señales variadas podrían permitir detectar pronto los CoBraD. Muchas siguen sin demostrarse, y algunas son difíciles de seguir sin ordenadores. Por ejemplo, pequeños cambios en el sueño, junto con ciertos signos en la resonancia magnética, podrían indicar un trastorno cerebral incipiente. En lugar de esperar años a que aparezcan síntomas claros, los médicos podrían actuar con rapidez y mejorar las perspectivas del paciente.
Así nació la idea del Multidisciplinary Expert System for the Assessment and Management of Complex Brain Disorders (MES-CoBraD). Junto con expertos en medicina, ingeniería e informática, estamos construyendo una plataforma de software y haciendo investigación médica con ella.
Cuando médicos, profesionales, ingenieros de software e IA trabajan juntos
MES-CoBraD se convirtió en un proyecto financiado por la UE que hoy reúne a 14 universidades, empresas y hospitales de toda Europa. La idea de fondo es sencilla: la investigación médica usa los datos y observaciones de la práctica clínica para mejorar esa misma práctica.
Esta colaboración circular y continua puede apoyarse en la tecnología como enlace y facilitadora. Investigadores y médicos recogen y anonimizan los datos de los pacientes y los suben a la plataforma. Los investigadores formulan hipótesis científicas, analizan los datos, entrenan modelos de IA y ponen a prueba sus hipótesis.
Si logran un avance, los médicos podrían usar directamente los algoritmos de la plataforma para diagnosticar y tratar a los pacientes. Los datos resultantes se anonimizarían a su vez y servirían para probar nuevas hipótesis, hacer nuevos análisis estadísticos, entrenar modelos de IA o mejorar los existentes.
Los retos son muchos. Al diseñar nuevos experimentos, debemos asegurarnos de que los datos no tengan sesgos. También estamos investigando y abordando las implicaciones éticas de usar la inteligencia artificial en medicina. Por ejemplo, ¿cómo garantizamos que el médico entienda sus sugerencias y pueda explicárselas al paciente? ¿Cómo podemos estar seguros de que no favorecen sin querer a un grupo de pacientes frente a otro, o anteponen el ahorro de costes a la vida humana? Si la IA se equivoca, ¿quién es responsable?
En MES-CoBraD nos hemos adentrado en territorio inexplorado, pero siempre con objetivos concretos. Aunque la plataforma se está diseñando para funcionar en varios campos médicos, ahora nos centramos en usar una imagen muy detallada de la salud de los pacientes (un proceso llamado fenotipado profundo), junto con herramientas analíticas avanzadas e IA, para diagnosticar y tratar los CoBraD. En esencia, queremos afinar los instrumentos, pulir los diálogos de los actores y ajustar la partitura, todo a la vez.
Mi propio turno en el escenario
Curiosamente, la “obra” de mi propia vida tiene sus momentos de disonancia, ya que a veces me despierto en mitad de la noche y me cuesta volver a dormirme. No creo que sea nada grave, pero, como científico e investigador desde hace años, nunca dejaría pasar la ocasión de probar nuestros métodos y procesos en mí mismo. Así que me apunté como sujeto de prueba en nuestro estudio del sueño y llevé en la muñeca durante una semana un dispositivo llamado “actígrafo” , que registró mi actividad, mi dieta y mi sueño. Hice pruebas de memoria y respondí preguntas y, por último, llegó el plato fuerte: me conectaron a unos 40 o 50 cables, tubos y sensores y pasé la noche durmiendo en la clínica. Como extra, cedí meses de datos de salud de mi reloj inteligente, que se anonimizaron e incorporaron a la plataforma.
Me alegra decir que, por ahora, mis problemas de sueño probablemente se deban al estrés. Pero si el fenotipado profundo y la IA acabaran diagnosticando algo peor, por ejemplo un trastorno cerebral complejo de inicio temprano, la pregunta para alguien en mi situación sería: “¿Debería preocuparme o celebrar el avance científico si ocurre?”.
Read the original article.

