La lesión cerebral traumática leve, también denominada conmoción cerebral, es una afección neurológica común que resulta de un traumatismo craneal y que interrumpe temporalmente el normal funcionamiento del cerebro. Los síntomas persistentes posteriores a una conmoción cerebral incluyen una amplia gama de síntomas somáticos, cognitivos y emocionales que varían considerablemente …
La lesión cerebral traumática leve, también denominada conmoción cerebral, es una afección neurológica común que resulta de un traumatismo craneal y que interrumpe temporalmente el normal funcionamiento del cerebro. Los síntomas persistentes posteriores a una conmoción cerebral incluyen una amplia gama de síntomas somáticos, cognitivos y emocionales que varían considerablemente entre los afectados y fluctúan con el tiempo. Si bien la mayoría de los pacientes se recuperan en cuestión de días o semanas después de un traumatismo de este tipo, sin embargo, un subconjunto experimenta síntomas persistentes posteriores a la conmoción cerebral.
Al respecto, un estudio reciente de la Universidad Noruega de Ciencia y Tecnología (NTNU) demuestra que modelos basados en inteligencia artificial podrían predecir, 24 horas antes de que aparecieran los síntomas, dolores de cabeza y fatiga de moderados a severos con una precisión de moderada a buena.
Existen fuertes indicios de que los síntomas que se experimentan al día siguiente no aparecen de forma aleatoria en personas que sufren problemas persistentes posteriores a una conmoción cerebral», según el investigador Antonios Danelakis, del Departamento de Informática de la NTNU y del Centro Noruego de Investigación sobre Cefaleas (NorHead). «Los síntomas pueden seguir patrones específicos. La IA puede aprender estos patrones mediante el entrenamiento con datos fisiológicos recopilados a lo largo del tiempo», agregó.
El objetivo del estudio llevado a cabo por este equipo de investigadores partió de la predicción de los síntomas con la posibilidad de recibir una notificación a través de un reloj inteligente o una aplicación que les avise de la inminencia de los síntomas y, de esa forma, prepararse y planificar su día siguiente de forma más eficaz.
En el estudio, que se llevó a cabo en la Unidad de Rehabilitación del Hospital noruego St. Olavs, participaron un total de 20 personas con síntomas persistentes posteriores a una conmoción cerebral.
Los investigadores responsables del estudio combinaron el uso de aplicaciones de salud y datos fisiológicos con lo que se conoce como «modelos base» en el aprendizaje automático. Estos son modelos versátiles y a gran escala, entrenados con conjuntos de datos masivos, que pueden adaptarse a tareas especializadas en campos muy diversos.
Los participantes registraron sus síntomas diariamente durante 28 días. Además, realizaron sesiones diarias para medir la frecuencia cardíaca, la temperatura de la piel y la tensión en el músculo trapecio, que conecta el omóplato, la parte posterior de la cabeza y la columna vertebral.
Con base en los datos, los investigadores probaron un modelo básico y un modelo de aprendizaje automático más tradicional para evaluar su capacidad de predecir días con dolores de cabeza moderados a intensos durante las próximas 24 horas. El modelo básico arrojó los mejores resultados, es decir, que los síntomas que se desarrollan siguen patrones que se hacen visibles al medirlos a lo largo del tiempo. Esto significa que, con la ayuda de la IA, podría ser posible crear herramientas que alerten sobre la inminencia de la fatiga o el dolor de cabeza.
Los próximos pasos importantes que tienen previsto dar los autores de este trabajo, publicado en ‘The Journal of Head Trauma Rehabilitation’, incluyen pruebas más exhaustivas y estudios adicionales en los que se realice un seguimiento de los pacientes a lo largo del tiempo.
«La tecnología de alertas debe integrarse en herramientas digitales. Esto debe hacerse en colaboración con los usuarios para garantizar que consideren el sistema eficaz. También deben tenerse en cuenta las normativas legales, la privacidad y la seguridad de los datos», concluyó el prof. Danelakis.