Una nueva herramienta creada por investigadores de Penn State y Houston Methodist Hospital podría diagnosticar un accidente cerebrovascular en función de las anomalías en la capacidad del habla y los movimientos musculares faciales de un paciente, y con la precisión de un médico de la sala de emergencias, todo en minutos a partir de una interacción conun teléfono inteligente.
"Cuando un paciente experimenta síntomas de un accidente cerebrovascular, cada minuto cuenta", dijo James Wang, profesor de ciencias de la información y tecnología en Penn State. "Pero cuando se trata de diagnosticar un accidente cerebrovascular, los médicos de la sala de emergencias tienen opciones limitadas: enviar elpaciente para realizar exploraciones basadas en radioactividad, a menudo costosas y que consumen mucho tiempo, o llame a un neurólogo, un especialista que puede no estar disponible de inmediato, para realizar pruebas de diagnóstico clínico ".
Wang y sus colegas han desarrollado un modelo de aprendizaje automático para ayudar y potencialmente acelerar el proceso de diagnóstico de los médicos en un entorno clínico.
"Actualmente, los médicos tienen que utilizar su formación y experiencia anteriores para determinar en qué etapa se debe enviar a un paciente para una tomografía computarizada", dijo Wang. "Estamos tratando de simular o emular este proceso utilizando nuestro enfoque de aprendizaje automático."
El enfoque novedoso del equipo es el primero en analizar la presencia de accidente cerebrovascular entre pacientes reales de la sala de emergencias con sospecha de accidente cerebrovascular mediante el uso de análisis computacional del movimiento facial y procesamiento del lenguaje natural para identificar anomalías en la cara o la voz de un paciente, como una mejilla caída ohabla arrastrada.
Los resultados podrían ayudar a los médicos de la sala de emergencias a determinar más rápidamente los próximos pasos críticos para el paciente. En última instancia, los cuidadores o los pacientes podrían utilizar la aplicación para realizar autoevaluaciones antes de llegar al hospital.
"Este es uno de los primeros trabajos que permite que la IA ayude con el diagnóstico de accidente cerebrovascular en situaciones de emergencia", agregó Sharon Huang, profesora asociada de ciencias y tecnología de la información en Penn State.
Para entrenar el modelo de computadora, los investigadores construyeron un conjunto de datos de más de 80 pacientes que experimentaban síntomas de accidente cerebrovascular en el Hospital Metodista de Houston en Texas. A cada paciente se le pidió que realizara una prueba del habla para analizar su habla y comunicación cognitiva mientras se grababa en un AppleiPhone.
"La adquisición de datos faciales en entornos naturales hace que nuestro trabajo sea sólido y útil para el uso clínico en el mundo real y, en última instancia, potencia nuestro método para el diagnóstico remoto de accidentes cerebrovasculares y la autoevaluación", dijo Huang.
Al probar el modelo en el conjunto de datos de Houston Methodist, los investigadores encontraron que su rendimiento alcanzó un 79% de precisión, comparable con los diagnósticos clínicos realizados por los médicos de la sala de emergencias, que utilizan pruebas adicionales como tomografías computarizadas. Sin embargo, el modelo podría ayudar a ahorrar un tiempo valiosoen el diagnóstico de un accidente cerebrovascular, con la capacidad de evaluar a un paciente en tan solo cuatro minutos.
"Hay millones de neuronas que mueren cada minuto durante un accidente cerebrovascular", dijo John Volpi, neurólogo vascular y codirector del Eddy Scurlock Stroke Center en el Hospital Metodista de Houston. "En los accidentes cerebrovasculares graves es obvio para nuestros proveedores desde elen el momento en que el paciente ingresa al departamento de emergencias, pero los estudios sugieren que en la mayoría de los accidentes cerebrovasculares, que tienen síntomas leves a moderados, el diagnóstico puede demorarse horas y para entonces un paciente puede no ser elegible para los mejores tratamientos posibles ".
"Cuanto antes pueda identificar un accidente cerebrovascular, mejores opciones tenemos para los pacientes", agregó Stephen TC Wong, John S. Dunn, presidente distinguido presidencial senior de ingeniería biomédica en el centro Ting Tsung y Wei Fong Chaopara BRAIN y Houston Methodist Cancer Center. "Eso es lo que hace que un diagnóstico temprano sea esencial".
Volpi dijo que los médicos actualmente usan un enfoque binario para el diagnóstico de accidentes cerebrovasculares: sospechan un accidente cerebrovascular y envían al paciente a una serie de exploraciones que podrían involucrar radiación; o no sospechan un accidente cerebrovascular, lo que potencialmente pasa por alto a los pacientes que pueden necesitar una evaluación adicional.
"Lo que pensamos en ese momento de clasificación es estar sesgado hacia la sobreutilización de los escáneres, que tienen riesgos y beneficios o el infradiagnóstico", dijo Volpi, coautor del artículo. "Si podemos mejorar los diagnósticos en el frentefinal, entonces podremos exponer mejor a los pacientes adecuados a los riesgos adecuados y no perder a los pacientes que podrían beneficiarse "
Agregó: "Tenemos excelentes terapias, medicamentos y procedimientos para los accidentes cerebrovasculares, pero tenemos diagnósticos muy primitivos y, francamente, inexactos".
Otros colaboradores en el proyecto incluyen a Tongan Cai y Mingli Yu, estudiantes graduados que trabajan con Wang y Huang en Penn State; y Kelvin Wong, profesor asociado de investigación de ingeniería electrónica en oncología en el Hospital Metodista de Houston.
Fuente de la historia :
Materiales proporcionado por Penn State . Original escrito por Jessica Hallman. Nota: el contenido se puede editar por estilo y longitud.
cite esta página :