Los límites de la conciencia
El diagnóstico clínico para discriminar si un paciente se encuentra en estado vegetativo o si posee algún vestigio de conciencia es muy difícil: el error puede superar el 40%. La distinción es crucial para el tratamiento. Científicos de Argentina y de Francia diseñaron una herramienta simple, económica y altamente confiable que permite diferenciar automáticamente ambos estados de conciencia.
Un traumatismo de cráneo, la falta de oxígeno en el cerebro, una anestesia inadecuada o la ingesta exagerada de alcohol son algunos de los numerosos factores que pueden conducir a un trastorno de la conciencia (TdC). El coma, por ejemplo, es un TdC grave y, en general, su diagnóstico no ofrece mayores dificultades.
Pero, para la medicina, los problemas se presentan a la hora de diferenciar el estado vegetativo (EV) -en el que hay ausencia de cualquier signo de conciencia- del estado de mínima conciencia (EMC). Discriminar entre estos dos TdC es crucial para predecir cómo evolucionará el paciente y para tomar decisiones con respecto al tratamiento. Dos estudios efectuados en los años ‘90 demostraron que alrededor de un 40% de los pacientes que habían recibido el diagnóstico de EV en realidad tenían signos de conciencia.
Si bien pasaron muchos años desde entonces, durante los cuales se desarrollaron tecnologías más o menos sofisticadas que colaboran con el diagnóstico de los TdC, como la resonancia magnética funcional o la tomografía por emisión de positrones (PET, por sus siglas en inglés), las cosas no parecen haber mejorado.
De hecho, un estudio científico reciente, que evaluó la precisión de estos diagnósticos, mostró que de 44 pacientes que habían sido considerados en EV, 18 de ellos (41%) tenían un EMC. Según se afirma en ese estudio, “el diagnóstico erróneo puede llevar a graves consecuencias, especialmente al tomar la decisión de poner fin a esa vida”.
En este contexto, un equipo de investigadores e investigadoras de nuestro país y de Francia, liderados por el argentino Jacobo Sitt, médico doctorado en Física en Exactas UBA, trabajan en el desarrollo de una herramienta que pueda ser eficaz para diferenciar ambos TdC.
En ese camino, hace poco más de un año, publicaron un artículo científico en el que demostraban que el análisis de los latidos cardíacos puede aumentar la precisión del diagnóstico.
Ahora dieron un nuevo paso, que puede ser muy relevante para resolver este histórico problema del campo de la neurología: en un estudio publicado en la revista Brain dan cuenta de un procedimiento simple, económico y altamente confiable que permite diferenciar automáticamente el EV del EMC.
Clasificador automático
Para sus investigaciones, el equipo franco-argentino utiliza una técnica del ámbito de la inteligencia artificial denominada machine learning. Esta herramienta informática posibilita que, mediante un algoritmo (programa de computación), una computadora aprenda. En este caso, a diferenciar automáticamente a los dos tipos de pacientes. Para ello, se la debe alimentar con información específica.
Lo que el grupo de investigación logró fue, por un lado, identificar precisamente esa información clave en las señales del electroencefalograma (EEG) del paciente. Por otro lado, modificaron un algoritmo ya conocido para que, con la información obtenida del EEG, clasifique automáticamente a los pacientes.
“En el trabajo anterior pudimos demostrar que en el electrocardiograma hay rastros de mínima conciencia. Ahora, con este nuevo estudio, pudimos identificar con una precisión muy importante en qué rango de mínima conciencia está el paciente a partir del análisis de las señales del electroencefalograma”, señala Diego Fernández Slezak, investigador del CONICET en el Laboratorio de Inteligencia Artificial Aplicada (LIAA) de la Facultad de Ciencias Exactas y Naturales de la UBA, que es uno de los autores del paper publicado en Brain.
Según Slezak, el principal aporte de esta investigación es su valor clínico, no solo por la precisión de esta herramienta sino, además, porque “funcionó muy bien con 327 electroencefalogramas de 268 pacientes de centros de salud diferentes en donde se utilizan distintos protocolos”.
En efecto, las pruebas efectuadas con el algoritmo clasificador dejan en claro que podría utilizarse en instituciones sanitarias de cualquier lugar del mundo: en el paper se sugiere que se pueden alcanzar resultados satisfactorios con distintos sistemas de EEG, aun variando el número de electrodos que se conectan al paciente o el tiempo de realización de la prueba.
Por su posibilidad de ser usado en todo el planeta, los científicos y las científicas responsables de este desarrollo pusieron la librería con el software en la Internet, para que esté a disposición de quien desee utilizarla.
No obstante, Slezak aclara que “para poder aprovechar el software, el centro de salud debe contar con alguna persona capacitada en este campo de la computación”.
El estudio publicado en Brain forma parte de la tesis doctoral de Federico Raimondo, becario del CONICET en el LIAA quien, junto con el psicólogo Denis Engemann, investigador del Institut National de Recherche en Informatique et en Automatique (INRIA) de París, desarrollaron la mayor parte del trabajo.
