Red neuronal convolucional multirramal y oscilaciones de alta frecuencia del EEG intracraneal predicen resultados de...

Área de la Ciencia:

• Neurociencia
• Inteligencia Artificial
• Tecnología Médica

Sus antecedentes:

• Las oscilaciones patológicas de alta frecuencia (HFO) son biomarcadores de la corteza epileptogénica.
• La planificación actual de la cirugía de epilepsia se basa en el consenso multidisciplinario, con la utilidad quirúrgica de las HFO sin probar.

Objetivo del estudio:

• Probar si una Red Neuronal Convolucional (CNN) puede predecir la libertad de convulsiones integrando características de HFO, neuroanatomía y límites quirúrgicos.
• Evaluar la precisión del modelo CNN en la predicción de resultados de convulsiones postoperatorias.

Principales métodos:

• Se entrenó una CNN de tres ramas utilizando datos SEEG de 78 pacientes con epilepsia prequirúrgicos.
• Las entradas incluyeron coordenadas estereotáxicas, estado de resección y 37 características de HFO.
• El modelo predijo la probabilidad de libertad de convulsiones postoperatorias utilizando datos espaciales, electrofisiológicos y quirúrgicos.

Principales resultados:

• El modelo CNN informado por HFO logró una precisión del 92% en la predicción de pacientes libres de convulsiones mediante validación cruzada quíntuple.
• Las riadas rápidas, particularmente aquellas en espigas epileptiformes, se identificaron como características clave de HFO.

Conclusiones:

• Un modelo CNN que integra HFO, neuroanatomía y datos quirúrgicos predice con precisión la libertad de convulsiones post-cirugía.
• Este enfoque de IA puede guiar la planificación quirúrgica y explorar resecciones virtuales para optimizar los resultados.