×
La integración de la tecnología de inteligencia artificial (IA) con la interpretación humana de EEG ha sido recibida con una mezcla de entusiasmo y aprensión. Aunque se aceptan ampliamente los beneficios de la IA para aumentar la eficiencia y la exactitud, neurólogos, epileptólogos, personal de neurodiagnóstico y otros profesionales no terminan de confiar en cómo funcionará la tecnología en la atención real a los pacientes.
Independientemente de la especialidad, la mayoría de los profesionales sanitarios coinciden en que el éxito de la adopción de la IA en cualquier caso¹ depende, ante todo, de un elemento importante: la confianza. Este artículo ofrece cuatro razones convincentes por las que los neurólogos pueden confiar en la IA para los EEG, así como los aspectos de la colaboración entre humanos y máquinas que seguirán mejorando esta ya eficaz asociación.
Entender cualquier tecnología es fundamental para poder confiar en su rendimiento. En esencia, el aprendizaje automático es un subconjunto de la IA que se ha utilizado durante mucho tiempo y que consiste en entrenar algoritmos para que aprendan patrones a partir de conjuntos de datos existentes. Los modelos de aprendizaje automático se exponen a diversos ejemplos y ajustan sus parámetros para reconocer patrones subyacentes que les ayudan a realizar predicciones y/o clasificaciones exactas. En el caso del análisis de EEG, los algoritmos de aprendizaje automático pueden entrenarse en conjuntos de datos masivos de grabaciones de EEG, lo que les permite reconocer patrones sutiles indicativos de diversas afecciones neurológicas.
Los modelos de aprendizaje profundo, también llamados redes neuronales, capturan las intrincadas relaciones que existen en datos complejos. Los algoritmos de aprendizaje profundo son particularmente hábiles para procesar y analizar las intrincadas relaciones temporales y espaciales de los datos de EEG². Esta técnica mejora aún más la capacidad de la herramienta de IA para detectar rápidamente patrones sutiles en las grabaciones de EEG y realizar tareas de interpretación con mayor rapidez.
El aprendizaje profundo es el siguiente paso lógico para fortalecer la colaboración entre la neurología y la IA, ya que va más allá de la detección de picos y convulsiones para utilizar los recursos del big data como apoyo a las aplicaciones avanzadas de IA para el reconocimiento de patrones. Los neurólogos han apreciado el notable potencial del aprendizaje profundo para el análisis de EEG, con estudios recientes que utilizan el modelo SCORE-AI³ para reforzar la exactitud y eficiencia del método. Con el tiempo, las herramientas de IA combinarán el análisis automatizado de EEG con la monitorización cerebral continua,4 para reducir el esfuerzo necesario para que los neurólogos diagnostiquen y traten con precisión estas afecciones, en las que el tiempo es un factor crítico.
El big data se refiere a conjuntos de datos extremadamente grandes que deben analizarse con un ordenador. Las tres propiedades definitorias o “3 V” del big data son el volumen, la velocidad y la variedad, que se refieren a la cantidad de datos, la rapidez con la que se procesan los datos y los diferentes tipos de datos dentro de un determinado repositorio. En el campo de la neurología, ya se han reunido y validado conjuntos de datos masivos de grabaciones de EEG anotadas por organizaciones acreditadas de todo el mundo y continuamente se añaden nuevos datos.
El big data de EEG abarca una amplia gama de afecciones neurológicas, patrones de actividad cerebral y respuestas a estímulos, lo que ofrece un extenso campo de aprendizaje para que la IA identifique patrones y correlaciones intrincados que los humanos podrían tardar horas en analizar e interpretar. Al aprender de enormes cantidades de grabaciones de EEG anotadas, los algoritmos de IA pueden identificar sutilezas y anomalías que indican afecciones como la epilepsia, los trastornos del sueño y las lesiones cerebrales, que podrían pasar desapercibidas con métodos convencionales de interpretación. De esta manera, aumenta significativamente el rendimiento y la eficiencia de los equipos de neurología, al reducirse el tiempo que los humanos dedican a tareas repetitivas y que consumen mucho tiempo.
Al igual que cualquier otra tecnología de productos sanitarios, las herramientas de IA ya se han evaluado mediante un extenso proceso de investigación y desarrollo y están sujetas a regulaciones. Los algoritmos de IA se someten a rigurosas pruebas en diversos conjuntos de datos5 para validar su exactitud y eficacia. Desde ese punto, los neurólogos y otros proveedores seguirán protocolos que proporcionen periodos adecuados de uso paralelo, validen los resultados de las herramientas y fomenten el desarrollo de destrezas.
Estos protocolos se han diseñado para garantizar la seguridad del paciente, proteger la privacidad y facilitar la integración fluida y con éxito de las herramientas de IA en las operaciones diarias. Los profesionales sanitarios también continúan proporcionando nuevos protocolos para la adopción de la IA, identificando consideraciones clave para integrar herramientas basadas en IA en las prácticas clínicas6. Estas consideraciones abarcan diversas cuestiones, incluidos los factores culturales, la validación de datos y algoritmos, la formación y educación, e incluso el nivel actual de aceptación de la IA dentro de un proveedor o práctica.
Debe utilizarse una estrategia de implementación por fases a fin de generar confianza y credibilidad en la tecnología, con herramientas de IA que inicialmente ayuden a los neurólogos en tareas concretas antes de expandirse gradualmente para abarcar aplicaciones más amplias. Este enfoque por etapas permite un perfeccionamiento iterativo basado en la experiencia del mundo real, lo que refleja el enfoque meticuloso y centrado en el paciente que define la innovación en el ámbito de la salud.
La IA genera más confianza cuando se percibe como una tecnología de apoyo que potencia las capacidades humanas. Los neurólogos cuentan con una gran experiencia clínica y pericia de los que carece la IA, una pericia que es de gran valor para contextualizar los hallazgos obtenidos por la IA. Diversos estudios y aplicaciones reales ejemplifican la sinergia entre los neurólogos humanos y la inteligencia artificial. Este enfoque colaborativo puede agilizar considerablemente el proceso de interpretación, lo que lleva a un análisis más exacto, un diagnóstico más rápido por parte del médico y mejores resultados para el paciente.
Neurólogos, epileptólogos y otros expertos en neurología apenas comienzan a comprender cómo el big data y la inteligencia artificial pueden emplearse para mejorar los resultados de salud en el futuro. Por ejemplo, los investigadores están trabajando actualmente con IA y datos de EEG7 para ayudar a los médicos a identificar la posible actividad epileptiforme subyacente en niños que muestran comportamientos anómalos. En el campo de la neurocirugía, la integración polifacética de la IA en neurología subraya su potencial para replantear las prácticas clínicas y las técnicas neuroquirúrgicas.8
En el ámbito de los trastornos convulsivos, el aprendizaje automático puede prever los resultados de la cirugía de epilepsia con una exactitud de hasta el 90 %, mientras que la detección automática de convulsiones con técnicas de IA mejora el análisis de EEG del cuero cabelludo. El papel de la IA se extiende a la neurooncología, donde respalda la clasificación no invasiva de gliomas mediante el análisis de datos de resonancia magnética. Además, en el espacio de las interfaces cerebro-computadora, las interfaces impulsadas por inteligencia artificial pueden permitir a las personas con discapacidad interactuar con su entorno mediante señales cerebrales.
La IA también se está utilizando para predecir la necesidad de una tomografía computarizada9 en traumatismos craneales pediátricos leves, donde el uso excesivo de la adquisición de imágenes y la radiación puede plantear problemas. Dada la enorme cantidad de datos disponibles, hay infinitas aplicaciones posibles para la interpretación de EEG mediante IA y big data.
Teniendo en cuenta que se aproximan aún más herramientas de IA en neurología, el viaje desde los primeros algoritmos de aprendizaje automático hasta la tecnología actual sofisticada e impulsada por IA ya ha allanado el camino para una profunda relación de confianza y cooperación entre la IA y la neurología. A medida que la IA se integre más en la práctica diaria, neurólogos, epileptólogos y equipos de neurodiagnóstico podrán llevar su trabajo a niveles aún más altos de exactitud y eficiencia. El uso de la IA para la interpretación de EEG no es solo un avance tecnológico, sino también una asociación en evolución que beneficiará cada vez más al campo de la neurología.
FUENTES
1. “A Better Way to Onboard AI.” Harvard Business Review, 28 Apr. 2022, hbr.org/2020/07/a-better-way-to-onboard-ai
2. Yannick Roy et al 2019 J. Neural Eng. 16 051001DOI 10.1088/1741-2552/ab260c
3. JAMA Neurol. 2023;80(8):805-812. doi:10.1001/jamaneurol.2023.1645
4. Front. Hum. Neurosci., 12 March 2019 Sec. Brain Imaging and Stimulation. Volume 13 – 2019
5. Yannick Roy et al 2019 J. Neural Eng. 16 051001DOI 10.1088/1741-2552/ab260c
6. “Trustworthy Adoption of AI in Healthcare.” DNV, www.dnv.com/research/healthcare-programme/data-sharing.html. Accessed 24 Aug. 2023.
7. Donoghue, Dr. Jacob. “Transforming Epilepsy Clinical Trials with EEG and Machine Learning.” Drug Discovery and Development, 17 Mar. 2023,
8. Ganapathy Krishnan, Abdul Shabbir Syed, Nursetyo Aldilas Achmad. “Artificial intelligence in neurosciences: A clinician’s perspective” Neurology India 2018, Volume 66, Issue Number 4, Page 934-939
9. “Top 4 Ai Use Cases in Neurology in 2023.” AIMultiple, research.aimultiple.com/neurology-ai/. Accessed 24 Aug. 2023.
