Innovación en los métodos diagnósticos de ataques epilépticos
Por: Teresita Severiano
La epilepsia es el segundo trastorno neurológico que afecta a millones de personas, siendo el primero el accidente cerebrovascular, así lo menciona la Organización Mundial de la Salud. La epilepsia se caracteriza por presentar episodios repentinos, repetidos e imprevistos de convulsiones que al parecer no tienen una causa aparente. Actualmente no tiene cura y sólo se trata con medicamentos anticonvulsivantes, por ello es muy importante un diagnóstico oportuno, para lo cual el uso del electroencefalograma(EEG), que es un instrumento que mide la actividad eléctrica del cerebro, juega un papel importante en el diagnóstico de enfermedades neurológicas. A pesar de que el EEG se descubrió hace varios años, en la actualidad se ha ido mejorando su uso, entre estas mejoras se encuentra el uso de los algoritmos que hay y que ayudan a diagnosticar epilepsia extrayendo las características de las señales del EEG para clasificarlas de forma manual. Estos algoritmos no permiten un uso unificado y presentan diversas características que hacen compleja su interpretación. Se han buscado algoritmos que hagan más fácil el uso del EEG y se le pueda dar la mejor utilidad posible, uno de ellos es usando una tecnología denominada red neuronal convolucional, que son máquinas con una agrupación tipo red de neuronas artificiales que se comportan como las neuronas del cerebro. En estas redes sólo se requiere ingresar los datos y hacen lo demás por sí solas. En un estudio que se hizo se empleó esta red neuronal convolucional, tomando como factor el aprendizaje profundo. Se utilizaron dos bases de datos: el primero utilizó la base de datos del EEG intracraneal de 21 pacientes con epilepsia focal médica intratable del Centro de Epilepsia del Hospital Universitario de Friburgo, Alemania. El segundo se obtuvo de 23 pacientes del Instituto de Tecnología de Massachusetts (MIT EEUU). El dominio de frecuencia es un sistema de coordenadas que describe las características de frecuencia de las señales. Las señales de dominio de frecuencia que se obtuvieron se ingresaron en la red neuronal convolucional que las clasifica en automático en lugar de clasificarlas como los métodos antiguos. De la base de datos de Friburgo se obtuvo una clasificación de las señales entre interictales e ictales de 96.7% con una alta sensibilidad y especificidad. De la base de datos de Massachusetts se obtuvo la clasificación de las señales en interictales y preictales en un 95.6% con una alta sensibilidad y especificidad. Además, hay otros estudios que también demuestran que las redes neuronales convolucionales son idealmente el mejor método que existe para detectar y clasificar los ataques epilépticos y que evitan el complejo proceso extracción de características que usan los otros métodos convencionales.
Referencia
La epilepsia es el segundo trastorno neurológico que afecta a millones de personas, siendo el primero el accidente cerebrovascular, así lo menciona la Organización Mundial de la Salud. La epilepsia se caracteriza por presentar episodios repentinos, repetidos e imprevistos de convulsiones que al parecer no tienen una causa aparente. Actualmente no tiene cura y sólo se trata con medicamentos anticonvulsivantes, por ello es muy importante un diagnóstico oportuno, para lo cual el uso del electroencefalograma(EEG), que es un instrumento que mide la actividad eléctrica del cerebro, juega un papel importante en el diagnóstico de enfermedades neurológicas. A pesar de que el EEG se descubrió hace varios años, en la actualidad se ha ido mejorando su uso, entre estas mejoras se encuentra el uso de los algoritmos que hay y que ayudan a diagnosticar epilepsia extrayendo las características de las señales del EEG para clasificarlas de forma manual. Estos algoritmos no permiten un uso unificado y presentan diversas características que hacen compleja su interpretación. Se han buscado algoritmos que hagan más fácil el uso del EEG y se le pueda dar la mejor utilidad posible, uno de ellos es usando una tecnología denominada red neuronal convolucional, que son máquinas con una agrupación tipo red de neuronas artificiales que se comportan como las neuronas del cerebro. En estas redes sólo se requiere ingresar los datos y hacen lo demás por sí solas. En un estudio que se hizo se empleó esta red neuronal convolucional, tomando como factor el aprendizaje profundo. Se utilizaron dos bases de datos: el primero utilizó la base de datos del EEG intracraneal de 21 pacientes con epilepsia focal médica intratable del Centro de Epilepsia del Hospital Universitario de Friburgo, Alemania. El segundo se obtuvo de 23 pacientes del Instituto de Tecnología de Massachusetts (MIT EEUU). El dominio de frecuencia es un sistema de coordenadas que describe las características de frecuencia de las señales. Las señales de dominio de frecuencia que se obtuvieron se ingresaron en la red neuronal convolucional que las clasifica en automático en lugar de clasificarlas como los métodos antiguos. De la base de datos de Friburgo se obtuvo una clasificación de las señales entre interictales e ictales de 96.7% con una alta sensibilidad y especificidad. De la base de datos de Massachusetts se obtuvo la clasificación de las señales en interictales y preictales en un 95.6% con una alta sensibilidad y especificidad. Además, hay otros estudios que también demuestran que las redes neuronales convolucionales son idealmente el mejor método que existe para detectar y clasificar los ataques epilépticos y que evitan el complejo proceso extracción de características que usan los otros métodos convencionales.
Referencia
- Mengni Zhou, Cheng Tian, Rui Cao, Bin Wang, Yan Niu, Ting Hu, et alt. Epileptic Seizure Detection Based on EEG Signals and CNN. Frontiers in Neuroinformatics [Internet]. 2018 [citado 30 junio 2019]. 12(95):1-14. Disponible en:https://www.frontiersin.org/articles/10.3389/fninf.2018.00095/full
Comentarios
Publicar un comentario