Hacia la rehabilitación de precisión basada en IA mediante aprendizaje por refuerzo basado en modelos contextuales

Área de la Ciencia:

• Neurociencia; Medicina de Rehabilitación; Inteligencia Artificial

Sus antecedentes:

• La recuperación del accidente cerebrovascular varía significativamente debido a diferencias en las lesiones, las trayectorias de recuperación y las respuestas al tratamiento.
• La medicina de precisión es crucial para optimizar la recuperación del accidente cerebrovascular adaptando las intervenciones a las necesidades individuales del paciente.
• Los sistemas actuales de inteligencia artificial (IA) carecen de la capacidad de personalizar y adaptar continuamente los planes de rehabilitación post-accidente cerebrovascular.

Objetivo del estudio:

• Desarrollar un novedoso sistema de apoyo a la decisión basado en IA para la rehabilitación de precisión en pacientes con accidente cerebrovascular.
• Personalizar planes de tratamiento secuenciales, incluyendo el momento, la dosis y la intensidad, para maximizar los resultados a largo plazo del paciente.
• Crear un sistema que colabore con los médicos y los pacientes para personalizar la rehabilitación en función del juicio, las restricciones y las preferencias.

Principales métodos:

• Se utilizó un marco de proceso de decisión de Markov contextual (CMDP).
• Se desarrolló un novedoso algoritmo de aprendizaje por refuerzo (RL) basado en modelos bayesianos jerárquicos, muestreo posterior para RL contextual (PSCRL).
• El algoritmo equilibra la explotación y la exploración para descubrir y ajustar tratamientos secuenciales casi óptimos respetando las restricciones.

Principales resultados:

• El sistema de IA se implementó y validó utilizando simulaciones con 150 pacientes sintéticos diversos.
• El sistema demostró un aprendizaje continuo a partir de los datos actuales del paciente y una base de datos de pacientes anteriores a través de la modelización jerárquica bayesiana.
• Los tratamientos adaptativos impulsados por IA mejoraron significativamente las ganancias funcionales en comparación con los enfoques "de talla única" no adaptativos.

Conclusiones:

• El sistema de rehabilitación de precisión basado en IA desarrollado muestra potencial para su integración en sistemas de salud de aprendizaje.
• Este novedoso enfoque, que utiliza RL contextual basado en modelos, puede avanzar en la rehabilitación personalizada de accidentes cerebrovasculares.
• La capacidad del sistema para adaptar los tratamientos ofrece una dirección prometedora para mejorar los resultados de la recuperación del accidente cerebrovascular.