Científicos españoles mejoran un algoritmo que predice la epilepsia

El Grupo de Investigación Embedded Systems and Artificial Intelligence (ESAI) de la Universidad CEU Cardenal Herrera de Valencia ha publicado los nuevos avances de su diseño de algoritmo para predecir con antelación las crisis epilépticas. Los investigadores Juan Pardo, Javier Muñoz Almaraz, Francisco Zamora y Paloma Botella proponen un nuevo método para procesar la señal del electroencefalograma intracraneal (iEEG), que registra la actividad eléctrica del cerebro, con el que mejoran aún más la fiabilidad en la predicción de las crisis de epilepsia que lograron con su primer desarrollo.

Según destaca el profesor Juan Pardo Albiach, “el algoritmo permite ‘aprender’ mejor de las señales captadas del cerebro, tanto en el estado preictal -el previo a las crisis epilépticas-, como entre episodios de crisis, para poder predecirlas con aún mayor fiabilidad”. Este nuevo método de procesamiento de la señal del cerebro está basado en un nuevo tipo de filtros de la señal, que denominan supervisados, frente al filtrado tradicional. También los investigadores del CEU-UCH han incorporado, además de redes neuronales profundas (Deep Learning), otros algoritmos en combinación, como el K-Nearest Neighbor (KNN), para mejorar los patrones de predicción de las crisis epilépticas que ya obtuvieron en su primer diseño.

Los datos manejados para este nuevo artículo científico, publicado en Plos One, se han obtenido gracias a la colaboración que el Grupo ESAI del CEU-UCH mantiene con Benjamin Henry Brinkmann, profesor de Neurología e Ingeniería Biomédica en el Mayo Systems Electrophysiology Laboratory, de la Clínica Mayo, en Rochester (Estados Unidos).

Ganaron el tercer premio

Este nuevo artículo amplía el trabajo con el que el grupo ganó el tercer premio entre más de 502 equipos de todo el mundo, en el Data Science Challenge titulado 'American Epilepsy Society Seizure Prediction Challenge', promovido por la plataforma Kaggle, la American Epilepsy Society, The Epilepsy Foundation, el National Institutes of Health (NIH) de Estados Unidos y la Clínica Mayo. Esta primera fase del proyecto fue publicada en la revista médica Brain.

Según destaca el científico sobre los avances, “los resultados obtenidos para este nuevo artículo son mejores en su fiabilidad de predicción cuanto más ampliamos el número de datos a procesar. Es decir, a mayor volumen y complejidad de datos obtenidos del cerebro, mejor se comporta el método que hemos diseñado para detectar el estado preictal. Esto es muy positivo, ya que los datos procedentes del iEEG del cerebro son constantes y deben ser procesados en tiempo real para ser realmente eficaces en la predicción”.