Inteligencia artificial para rehabilitar a pacientes de infarto cerebral en comunidades rurales en México
Un proyecto de inteligencia artificial busca desarrollar un dispositivo accesible que permita ayudar en la rehabilitación de pacientes de un infarto cerebral de comunidades rurales de México.
Este proyecto es desarrollado por los doctores Felipe Orihuela, Enrique Sucar y Joel Rivas, del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE); Luis Castrejón, de la Benemérita Universidad Autónoma de Puebla (BUAP), y Javier Andreu, la Universidad de Essex, Inglaterra, y es financiado por el Global Challenges Research Fund (GCRF) del Gobierno de Reino Unido.
En un evento de infarto cerebral, partes del cerebro mueren y algunas de las que quedan intactas retoman las funciones de las primeras. El cerebro se reorganiza, y la neurorrehabilitación puede guiar dicha reorganización. Sin embargo, hay formas de reorganización cerebral más eficientes que otras. Por ello, es importante analizar y estudiar el cerebro de los pacientes a medida que progresan en su rehabilitación.
Este proyecto une los análisis del EEG (electroencefalograma) y de fNIRS (Espectroscopía del Infrarrojo Cercano Funcional) con la inteligencia artificial (IA). Esta última pretende dar soporte al médico para encontrar más fácilmente los patrones de reorganización del cerebro de un paciente y, con base en los mismos, determinar hacia dónde puede encaminarse la rehabilitación.
El Dr. Felipe Orihuela Espina, uno de los investigadores del INAOE que participa en el proyecto, comenta que ya se trabaja en la primera etapa del mismo gracias a un recurso semilla del GCRF financiado por el Gobierno de Reino Unido, cuyo objetivo es enfrentar los retos en los países de ingreso medio y bajo.
Por su parte, el Dr. Jesús Joel Rivas, del INAOE, informa que este proyecto tiene entre sus finalidades “facilitar a los pacientes de lugares remotos en México, que han sufrido un accidente vascular-cerebral, un sistema accesible a ellos que permita recolectar sus datos médicos. Una vez que estos datos han sido recolectados, se procesan para observar patrones y características que permitan al médico tomar decisiones con respecto a este tipo de paciente”.
Agrega que en el proyecto colaboran especialistas del Hospital Universitario de la BUAP, específicamente el Dr. Luis Castrejón. “Además allí hay un departamento de rehabilitación y tenemos contacto con los terapeutas, todo esto contribuye con el trabajo multidisciplinario. Nosotros colocamos la parte computacional. Es un proceso de sinergia”.
El Dr. Rivas expresa que el objetivo del proyecto es desarrollar un controlador que gestione los dispositivos ya existentes de EEG y fNIRS y analice los datos de los mismos idealmente en tiempo real, pero por ahora, fuera de línea, en un proceso de flujo de datos: “El médico verá cómo el cerebro está reorganizando las funciones, qué partes se están activando, y su responsabilidad es, dada esta observación, determinar qué tipo de ejercicios de rehabilitación sugiere al paciente para fomentar que la rehabilitación vaya por buen camino”.
El cerebro produce tanto la señal eléctrica del disparo de la neurona como otras señales más. En concreto, la de fNIRS proviene de la hemodinámica, es decir, del movimiento de la sangre. “Es cuestión del metabolismo cerebral: las neuronas están respirando, y como consecuencia de ello se producen muchas señales. Aquí participan las dos señales anteriormente mencionadas: tanto la electrofisiológica, medida con EEG, como la hemodinámica, medida con fNIRS, y la idea es combinarlas con un modelo matemático”, apunta por su parte el Dr. Orihuela.
Las aportaciones de la IA para resolver este reto son varias: “La obvia es la automatización de tareas que de otra forma llevarían muchas horas de trabajo. La segunda es la observación de patrones que a simple vista no son tan fáciles de ver. La IA tiene la capacidad de deducir patrones que un humano, incluso un especialista, tendría dificultades en hallar. La IA se alimenta de todos los conocimientos que generamos los humanos, pero los aprovecha al máximo, cada humano tiene su experienciapor separado y la IA puede juntar todos, y esto ayuda al médico local a tomar la mejor decisión posible”, abunda el Dr. Orihuela.
Para modelar matemáticamente la reorganización del cerebro, los investigadores han echado mano de la teoría difusa. El modelado tradicional de la actividad cerebral es dicotómico, es decir, sólo considera si una región del cerebro está activa o inactiva. Tanto el EEG como el fNIRS observan la respuesta de poblaciones grandes de neuronas, donde cada una por separado puede estar activa o inactiva, y a nivel regional se perciben como diferentes grados de activación. La teoría difusa es una herramienta valiosa para modelar este funcionamiento no dicotómico.
Al respecto, el Dr. Orihuela explica: “Tradicionalmente la lógica te decía que para pertenecer al conjunto de personas altas debías precisamente ser alto; pero qué criterio se utiliza para definir que alguien es alto. La teoría difusa te dice que la pertenencia al conjunto de personas altas no es tan clara, porque hay personas más o menos altas y por eso se puede usar un criterio de grados de pertenencia. La lógica difusa expresa la idea de que las cosas no son necesariamente blancas o negras. Esta teoría creó una ruptura con los esquemas tradicionales matemáticos clásicos y resultó muy exitosa en la gestión de la incertidumbre matemática. En el cerebro sucede algo análogo: al observar un área del cerebro con EEG o fNIRS hay muchas neuronas activas y otras inactivas, no sólo hay una neurona. Hay un valor intermedio de activación de la región dependiendo que haya más o menos neuronas activas. A ese concepto se le llama difuso”.
El Dr. Rivas añade: “En nuestro mundo existen muchos problemas donde la pertenencia de un elemento a un conjunto es difusa. En Japón, el metro de la ciudad de Sendai acelera y frena mediante un sistema inteligente de control difuso que considera, entre sus criterios, la velocidad del tren y la exactitud de la parada en las estaciones. La intención es asegurar que las puertas de los vagones se abran en el lugar correcto para evitar accidentes y retrasos. El sistema difuso regula la velocidad del tren para mantenerlo dentro de los límites de seguridad y para detenerlo en la posición deseada”.
El Dr. Rivas recuerda que el INAOE trabaja en la línea de neurorrehabilitación desde hace tiempo, siendo el proyecto Gesture Therapy el más destacado en esta línea de investigación, como una manera de ayudar a los pacientes mexicanos que han sufrido un evento vascular-cerebral: “A la experiencia que se ya se tiene con el Gesture Therapy ahora se le añade este proyecto que permite expandir la IA a lugares rurales. Desde el punto de vista de la IA, uno de los elementos que se está pensando agregar son los modelos gráficos probabilistas con los cuales hemos venido trabajando hasta ahora en varios proyectos con la aportación del Dr. Luis Enrique Sucar”. De hecho, el Dr. Sucar también ya está participando en este proyecto.
Finalmente, el Dr. Felipe Orihuela señala que esta etapa del proyecto concluirá en diciembre, aunque se han solicitado fondos adicionales a la Royal Society británica, y subraya: “Los proyectos GCRF buscan reducir la pobreza en el mundo y resolver los retos mundiales, tienen una componente social fuerte. Son traslacionales, es decir, buscan llevar a la sociedad lo que a veces en el laboratorio ya funciona, se pretende mejorar las condiciones de vida y el índice de desarrollo humano de países de ingreso medio-bajo”.
