Nueva herramienta usa aprendizaje automático para determinar candidatos a trombectomía endovascular

La herramienta puede analizar imágenes, “aprendiendo” automáticamente sutiles patrones

Un algoritmo desarrollado por la el Centro de Ciencias de la Salud de la Universidad de Texas en Houston (UTHealth) puede ayudar a los médicos que se encuentran fuera de los principales centros de tratamiento, a evaluar si un paciente que sufre un accidente cerebrovascular isquémico, se beneficiaría de un procedimiento endovascular para eliminar un coágulo que obstruye una arteria.

Los resultados de su estudio clínico, se publicaron en línea en la revista Stroke en el artículo “Machine Learning–Enabled Automated Determination of Acute Ischemic Core From Computed Tomography Angiography” (Determinación automatizada habilitada por aprendizaje automático del núcleo isquémico agudo de la angiografía por tomografía computarizada).

La trombectomía endovascular es un procedimiento que consiste en enhebrar un catéter a través de la arteria femoral, desde la extremidad inferior hasta el cerebro, donde el coágulo se puede eliminar mecánicamente. Desde 2015, los estudios han demostrado que puede mejorar los resultados para los pacientes con accidente cerebrovascular. Pero solo si la cantidad de tejido cerebral lesionado es mínima en el momento del tratamiento.

Desafortunadamente, la neuroimagen avanzada útil para detectar en cuestión de horas si un paciente es candidato para el tratamiento, se limita a la resonancia magnética emergente o la perfusión de tomografía computarizada (TC). Ese tipo de tecnología y experiencia no están disponibles en la mayoría de los hospitales comunitarios y centros de accidente cerebrovascular primario.

Con la trombectomía endovascular, ahora tenemos un tratamiento para el accidente cerebrovascular isquémico que es realmente revolucionario. Nos permite llevar a los pacientes con accidente cerebrovascular de una discapacidad grave y devolverlos a una vida casi normal“, dijo el médico Sunil A. Sheth, uno de los autores del artículo y profesor de neurología en la Escuela de Medicina McGovern en UTHealth. “Desafortunadamente, las técnicas de imagen avanzadas utilizadas actualmente para identificar qué pacientes se benefician de este procedimiento no están ampliamente disponibles fuera de los grandes hospitales de referencia. Como resultado, la mayoría de los pacientes con accidente cerebrovascular no tienen acceso a pruebas de detección basadas en las guías para estos tratamientos”.

En respuesta, los doctores Sheth y Luca Giancardo, autor principal y profesor asistente de la Facultad de Informática Biomédica de la UTHealth, desarrollaron una herramienta de aprendizaje automático que podría usarse con una técnica de imagen ampliamente disponible, el angiograma TC. La herramienta puede analizar imágenes, “aprendiendo” automáticamente sutiles patrones que se pueden usar como intermediario para otras modalidades de imagen más avanzadas; pero no fácilmente disponibles, como la perfusión TC. La arquitectura de aprendizaje automático, llamada DeepSymNet, se desarrolló en UTHealth.

Para probar la herramienta, el equipo de investigación identificó a los pacientes que habían sufrido un accidente cerebrovascular o tenían condiciones que lo imitaban.

De los 224 pacientes que tuvieron accidente cerebrovascular, 179 tenían vasos sanguíneos cerebrales que estaban bloqueados. El algoritmo DeepSymNet aprendió a identificar estos bloqueos a partir de las imágenes de angiograma TC; y entrenó al software para usar esas mismas imágenes para definir el área del cerebro que había muerto, usando imágenes previas de perfusión CT como la “norma de oro“.

La ventaja es que no tiene que estar en un centro de salud académico o en un hospital de atención terciaria para determinar si este tratamiento beneficiaría al paciente. Y lo mejor de todo, el angiograma TC ya se usa ampliamente para pacientes con accidente cerebrovascular“, dijo Sheth.

Piel artificial podría ayudar en rehabilitación e incorporar el tacto en la realidad virtual

sistema de sensores y actuadores
El sistema permite que la piel artificial se adapte a la forma exacta de la muñeca del usuario.

Al igual que nuestros sentidos de audición y visión, nuestro sentido del tacto juega un papel importante en la forma en que percibimos e interactuamos con el mundo que nos rodea. La tecnología capaz de replicar nuestro sentido del tacto, es conocida como retroalimentación háptica. Con la que se puede mejorar en gran medida las interfaces humano-computadora y humano-robot para aplicaciones como: la rehabilitación médica y la realidad virtual.

Esto de acuerdo con la información publicada en el artículo “Closed-Loop Haptic Feedback Control Using a Self-Sensing Soft Pneumatic Actuator Skin” (Control de retroalimentación háptica de ciclo cerrado utilizando una piel de actuador neumático suave autodetectable) en la revista Soft Robotics.

Los científicos del Laboratorio de Robótica Reconfigurable (RRL, Reconfigurable Robotics Lab) de la Escuela Politécnica Federal de Lausana (EPFL École Polytechnique Fédérale de Lausanne)  encabezado por Jamie Paik; y el Laboratorio de Interfaces Bioelectrónicas Suaves (LSBI, Laboratory for Soft Bioelectronic Interfaces), encabezado por Stéphanie Lacour en la Escuela de Ingeniería, se han unido para desarrollar una piel artificial suave y flexible hecha de silicona y electrodos. Ambos laboratorios son parte del programa The National Centre of Competence in Research (NCCR) Robotics.

Piel artificial

El sistema de sensores y actuadores suaves permiten que la piel artificial se adapte a la forma exacta de la muñeca de un usuario; y por ejemplo proporcione una retroalimentación háptica en forma de presión y vibración. Los sensores de tensión miden continuamente la deformación de la piel para que la retroalimentación háptica se pueda ajustar en tiempo real y producir una sensación táctil lo más realista posible.

Esta es la primera vez que desarrollamos una piel artificial completamente suave donde se integran sensores y actuadores“, dice Harshal Sonar, autor principal del estudio. “Esto nos da un control de circuito cerrado; lo que significa que podemos modular de manera precisa y confiable la estimulación vibratoria que siente el usuario. Esto es ideal para aplicaciones portátiles, como para probar la propiocepción de un paciente en aplicaciones médicas“.

Háptica intercalada entre capas de silicona

La háptica es una tecnología para crear una experiencia táctil al aplicar fuerza, vibraciones o movimientos al usuario.

La piel artificial contiene suaves actuadores neumáticos que forman una membrana que puede inflarse bombeando aire hacia ella. Los actuadores se pueden sintonizar a presiones y frecuencias variables (hasta 100 Hz, o 100 impulsos por segundo). La piel artificial vibra cuando la membrana se infla y desinfla rápidamente.

En la capa superior de la membrana se encuentra el sensor; y contiene electrodos que son suaves hechos de una mezcla de galio líquido-sólido. Estos electrodos miden continuamente la deformación de la piel y envían los datos a un microcontrolador. Éste utiliza la retroalimentación para ajustar la sensación transmitida al usuario; en respuesta a los movimientos del usuario y los cambios en los factores externos.

La piel artificial puede estirarse hasta 4 veces su longitud original por hasta un millón de ciclos. Eso la hace particularmente atractiva para una serie de aplicaciones del mundo real. Por ahora, los científicos lo han probado en los dedos de los usuarios; y todavía se encuentran trabajando en mejorar la tecnología.

El siguiente paso será desarrollar un prototipo totalmente portátil para aplicaciones en rehabilitación y realidad virtual y aumentada“, dice Sonar. “El prototipo también se probará en estudios neurocientíficos. En donde se puede usar para estimular el cuerpo humano mientras los investigadores estudian la actividad cerebral dinámica en experimentos de resonancia magnética“.

Nueva técnica de resonancia magnética permite “observar” cambios moleculares en el cerebro

Cortesía de Shir Filo, Hebrew University

¿Qué pasaría si las imágenes de resonancia magnética pudieran mostrarnos la composición molecular de las partes de nuestro cuerpo y ayudar a los médicos a determinar más rápidamente la aparición de la enfermedad y comenzar el tratamiento?

El Dr. Aviv Mezer y su equipo en el Centro Edmond y Lily Safra de Ciencias Cerebrales de la Universidad Hebrea de Jerusalén (HUJI) transformaron con éxito una resonancia magnética de una cámara de diagnóstico, a un dispositivo que puede registrar los cambios en la composición biológica del tejido cerebral

Lo anterior fue publicado en el artículo “Disentangling molecular alterations from water-content changes in the aging human brain using quantitative MRI” (Desenredando las alteraciones moleculares de los cambios en el contenido de agua en el cerebro humano envejecido usando resonancia magnética cuantitativa), en Nature Communications.

Esto es especialmente importante para los médicos que buscan comprender si un paciente simplemente está envejeciendo o está desarrollando una enfermedad neurodegenerativa, como el Alzheimer o el Parkinson.

En lugar de imágenes, nuestro modelo de resonancia magnética cuantitativa proporciona información molecular sobre el tejido cerebral que estamos estudiando. Esto podría permitir a los médicos comparar escáneres cerebrales tomados con el tiempo del mismo paciente, y diferenciar entre tejido cerebral sano y enfermo, sin recurrir a procedimientos invasivos o peligrosos, como las biopsias de tejido cerebral“, explicó Mezer.

¿Envejecimiento normal o enfermedad neurodegenerativa?

Los signos externos del envejecimiento son familiares:

  • Canas
  • Columna vertebral encorvada
  • Pérdida ocasional de memoria

Sin embargo, ¿cómo sabemos si el cerebro de un paciente está envejeciendo normalmente o está desarrollando una enfermedad? La respuesta se encuentra a nivel biológico. Tanto el envejecimiento normal como las enfermedades neurodegenerativas crean “huellas” biológicas en el cerebro, cambiando el contenido de lípidos y proteínas del tejido cerebral.

Actualmente las imágenes de resonancia magnética solo proporcionan imágenes del cerebro humano. Esta nueva técnica proporciona lecturas biológicas del tejido cerebral: la capacidad de ver lo que está sucediendo a nivel molecular; y de dirigir un curso de tratamiento en consecuencia. 

Un análisis de sangre nos muestra el número exacto de glóbulos blancos en nuestro cuerpo; y si ese número es más alto de lo normal debido a una enfermedad. Las imágenes por resonancia magnética (IRM) proporcionan imágenes del cerebro pero no muestran cambios en la composición del cerebro humano, cambios que podrían diferenciar el envejecimiento normal de los comienzos del Alzheimer o el Parkinson“, compartió el estudiante de doctorado Shir Filo, quien trabajó en el estudio.

Nueva técnica de resonancia magnética también proporcionará una comprensión crucial

Mirando hacia el futuro, Mezer cree que la nueva técnica de resonancia magnética también proporcionará una comprensión crucial de cómo envejecen nuestros cerebros: “cuando escaneamos los cerebros de pacientes jóvenes y viejos, vimos que las áreas del cerebro envejecen de manera diferente. Por ejemplo, en algunas áreas de materias blancas, existe una disminución en el volumen de tejido cerebral. Mientras que en la materia gris, el volumen de tejido permanece constante. Sin embargo, vimos cambios importantes en la composición molecular de la materia gris en sujetos más jóvenes versus mayores“.

Todo esto es un buen augurio para los pacientes. Las IRM no solo podrán distinguir los signos moleculares del envejecimiento normal de los primeros signos de la enfermedad. Es más probable que los pacientes reciban diagnósticos correctos con anticipación, manteniendo una mejor calidad de vida por más tiempo, todo a través de una técnica no invasiva.