Método de predicción desarrollado para convulsiones epilépticas.

Sistema para predecir las convulsiones epilépticas desarrollado por el Dr. Omid
Kavehei, diseñado para dar una advertencia de 30 minutos utilizando datos de un
dispositivo no quirúrgico y se basa en la inteligencia artificial y el aprendizaje
automático más recientes.

Prueba de concepto para la predicción de las crisis.

Las convulsiones epilépticas se producen con poca advertencia y casi un tercio de las
personas que viven con epilepsia son resistentes al tratamiento que controla estos
ataques. Más de 250,000 australianos y 65 millones de personas en el mundo viven con
epilepsia.

Ahora, los investigadores de la Universidad de Sydney han usado inteligencia artificial

avanzada y aprendizaje automático para desarrollar un método generalizado para
predecir cuándo ocurrirán las convulsiones que no requerirán implantes quirúrgicos.

El Dr. Omid Kavehei de la Facultad de Ingeniería e Informática y el Instituto Nano de la

Universidad de Sydney dijo: "Estamos en camino de desarrollar un dispositivo
asequible, portátil y no quirúrgico que dará una predicción confiable de las convulsiones
para las personas que viven con epilepsia resistente al tratamiento . ”

En un artículo publicado en Neural Networks, el Dr. Kavehei y su equipo propusieron

un método generalizado, específico para el paciente, de predicción de convulsiones que
puede alertar a las personas que padecen epilepsia dentro de los 30 minutos posteriores
a la posibilidad de una convulsión.

El Dr. Kavehei dijo que hubo avances notables en inteligencia artificial, así como en
micro y nanoelectrónica, que han permitido el desarrollo de tales sistemas.

"Hace solo cuatro años, no se podía procesar inteligencia artificial sofisticada a través
de pequeños chips electrónicos. Ahora es completamente accesible. En cinco años, las
posibilidades serán enormes ", dijo el Dr. Kavehei.

El estudio utiliza tres conjuntos de datos de Europa y los Estados Unidos. Usando esos
datos, el equipo ha desarrollado un algoritmo predictivo con una sensibilidad de hasta el
81.4 por ciento y una tasa de predicción falsa tan baja como 0.06 por hora.

"Si bien esto todavía deja cierta incertidumbre, esperamos que a medida que aumente
nuestro acceso a los datos de incautaciones, mejoren nuestras tasas de sensibilidad", dijo
el Dr. Kavehei.

Carol Ireland, directora ejecutiva de Epilepsy Action Australia, dijo: “Vivir con una
incertidumbre constante contribuye significativamente al aumento de la ansiedad en las
personas con epilepsia y sus familias, sin saber cuándo puede ocurrir la próxima
convulsión.
“Incluso las personas con epilepsia bien controlada han expresado su preocupación
constante, sin saber si experimentarán una convulsión en el trabajo, la escuela, los viajes
o salir con amigos, o cuándo lo harán.

"Cualquier progreso hacia una predicción confiable de convulsiones afectará

significativamente la calidad de vida y la libertad de elección para las personas que
viven con epilepsia".

El Dr. Kavehei y el autor principal del estudio, Nhan Duy Truong, utilizaron técnicas de
minería de datos y aprendizaje automático para desarrollar una herramienta analítica
dinámica que puede leer el electroencefalograma o EEG de un paciente, datos de una
gorra portátil u otro dispositivo portátil para recolectar el EEG datos.

La tecnología portátil podría conectarse a un dispositivo asequible basado en la

tecnología Raspberry Pi fácilmente disponible que podría dar a un paciente una
advertencia de 30 minutos y un porcentaje de probabilidad de un ataque.

El Dr. Kavehei dijo que una ventaja de su sistema es que es poco probable que requiera
aprobación regulatoria, y podría funcionar fácilmente con los sistemas implantados o
tratamientos médicos existentes.

El algoritmo que el Dr. Kavehei y el equipo han desarrollado puede generar

características optimizadas para cada paciente. Lo hacen utilizando lo que se conoce
como una "red neuronal convolucional", que está muy en sintonía con los cambios en la
actividad cerebral basados en las lecturas de EEG.

Otras tecnologías que se desarrollan típicamente requieren implantes quirúrgicos o

dependen de altos niveles de ingeniería de características para cada paciente. Dicha
ingeniería requiere que un experto desarrolle funciones optimizadas para cada tarea de
predicción.

Una ventaja de la metodología del Dr. Kavehei es que el sistema aprende a medida que
cambian los patrones cerebrales, que requieren una ingeniería de características mínima.
Esto permite actualizaciones más rápidas y más frecuentes de la información, dando a
los pacientes el máximo beneficio del algoritmo de predicción de ataques.

El siguiente paso para el equipo es aplicar las redes neuronales en conjuntos de datos
mucho más grandes de información de incautaciones, mejorando la sensibilidad.
También planean desarrollar un prototipo físico para probar el sistema clínicamente con
socios en el campus médico de la Universidad de Sydney en Westmead.

Se activará una alarma entre 30 y cinco minutos antes de que comience la convulsión,
dando a los pacientes tiempo para encontrar un lugar seguro, reducir el estrés o iniciar
una estrategia de intervención para prevenir o controlar la convulsión.