El accidente cerebrovascular es una de las principales causas de muerte y discapacidad en todo el mundo. Es la tercera causa principal, después de las enfermedades cardíacas y el cáncer. El accidente cerebrovascular se considera una emergencia médica y puede causar daños neurológicos permanentes, complicaciones relacionadas con la movilidad, la cognición, la vista o la comunicación y, a menudo, la muerte.
La mayoría de los accidentes cerebrovasculares se clasifican como isquémicos, que tiene dos tipos: trombóticos y embólicos. En un accidente cerebrovascular trombótico, el coágulo de sangre se forma en una de las arterias, mientras que el accidente cerebrovascular embólico ocurre cuando un coágulo de sangre que se forma en otra parte del cuerpo se desprende y viaja al cerebro a través del torrente sanguíneo. El accidente cerebrovascular hemorrágico es otro tipo de accidente cerebrovascular que ocurre cuando una arteria del cerebro pierde sangre o se rompe.
El aumento en la incidencia de accidentes cerebrovasculares impone una enorme carga económica a las personas y la sociedad porque los pacientes con accidentes cerebrovasculares tienen estadías hospitalarias más prolongadas, tasas de reingreso y gastos médicos más altos que los pacientes con otras enfermedades crónicas. Por lo tanto, el conocimiento de las señales de advertencia de un accidente cerebrovascular y las acciones apropiadas en caso de un accidente cerebrovascular mejoran los resultados.
Una técnica principal utilizada para diagnosticar el coágulo es la tomografía computarizada del cerebro o la tomografía computarizada del cerebro, que utiliza rayos X para tomar imágenes claras y detalladas del cerebro del paciente. Se realiza principalmente inmediatamente después de que se sospecha un accidente cerebrovascular. La resonancia magnética nuclear (RMN) es la segunda prueba popular para examinar los accidentes cerebrovasculares. La resonancia magnética se basa en imanes y ondas de radio que se utilizan para producir imágenes de los órganos y estructuras del cuerpo del paciente.
¿Es posible predecir y detectar un ictus con antelación? Gracias al aprendizaje automático (ML) de inteligencia artificial (AI), las empresas de hoy han desarrollado suficientes técnicas sofisticadas de ML para aprovechar, integrar y optimizar los datos de pacientes acumulados en bases de datos de registros de salud electrónicos (EHR) distribuidos y conjuntos de datos clínicos, de imágenes y de laboratorio voluminosos, entre otros para predecir la incidencia y el pronóstico de la enfermedad.
El objetivo principal de estos algoritmos de aprendizaje automático es desarrollar software informático que pueda adaptar y aprender patrones a partir de conjuntos de datos médicos grandes y multidimensionales, incluidos datos clínicos, biológicos (marcadores genéticos, inmunológicos y serológicos), además de información de imágenes.
Estos enormes conjuntos de datos en constante cambio son difíciles de interpretar y, a menudo, carecen de valor. Aún así, son evidentemente importantes para que los modelos ML definan las características del accidente cerebrovascular y predigan el pronóstico del accidente cerebrovascular.
La mayoría de los modelos utilizan un árbol de decisión y algoritmos k vecino más cercano (KNN) para clasificar con precisión los trazos y comprender mejor demasiadas variables y evitar factores causales. La predicción oportuna del accidente cerebrovascular ayuda a los neuromédicos a identificar a los pacientes de alto riesgo y orientar los enfoques de tratamiento, lo que reduce la morbilidad.
Se han utilizado varias técnicas basadas en IA para desarrollar plataformas automatizadas para predecir el pronóstico y el resultado funcional. Eunjeong Park y otros han propuesto un modelo de red bayesiano para predecir los resultados posteriores al accidente cerebrovascular con los factores de riesgo disponibles. También introdujeron un “Sistema de inferencia de resultados de accidentes cerebrovasculares de Yonsei” en línea para predecir la independencia funcional a los 3 meses y la mortalidad dentro de 1 año en pacientes con accidentes cerebrovasculares utilizando el modelo de red bayesiano.
Dado que una gran cantidad de pautas de práctica clínica para el tratamiento de IS requiere el requisito de un modelo unificado para el tratamiento de accidentes cerebrovasculares para ayudar en el proceso de toma de decisiones clínicas, Alexa Love y otros han desarrollado un modelo de tratamiento unificado derivado de una revisión de las pautas de práctica clínica existentes. , metanálisis y ensayos clínicos utilizando una red de creencias bayesianas.
Joshua Sarfaty Siegel y otros han desarrollado un modelo basado en IA para predecir parámetros de comportamiento como la atención, la memoria visual, la memoria verbal, el lenguaje, motor y visual en pacientes con accidente cerebrovascular utilizando la Conectividad funcional (FC) en reposo y la topografía de la lesión. La memoria visual y la memoria verbal fueron mejor predichas por FC, mientras que las deficiencias visuales y motoras fueron mejor predichas por la topografía de la lesión. El estudio proporciona conexiones directas entre las características organizativas clave de las redes cerebrales y las relaciones cerebro-conducta en el accidente cerebrovascular.
Jane M Rondina y otros aplicaron una herramienta de regresión del proceso gaussiano para desarrollar una metodología adecuada para predecir los resultados motores a largo plazo de la resonancia magnética estructural temprana posterior al accidente cerebrovascular.
Las técnicas de IA y ML en las imágenes de accidentes cerebrovasculares podrían cambiar notablemente el entorno del diagnóstico y el tratamiento de los accidentes cerebrovasculares en un futuro próximo. La capacidad de la IA para proporcionar información de salida clínicamente relevante depende únicamente de la corrección de los datos de entrada y del método de aprendizaje automático utilizado para entrenar el modelo de IA. Sin embargo, el diagnóstico oportuno del ictus es vital para la recuperación funcional y para minimizar la mortalidad.
Además, prever con anticipación el grado de recuperación posterior al ictus e informar a los pacientes/familiares del pronóstico puede mejorar la relación del tratamiento y los procesos de rehabilitación.
Los nuevos avances en la tecnología de imágenes para el diagnóstico de accidentes cerebrovasculares han llevado a la disponibilidad de un gran volumen de información de neuroimagen dispersa. Aquí, la inteligencia artificial y el aprendizaje automático se han empleado de varias maneras para extraer la información más coherente, que se puede utilizar como identificador o marcador para el diagnóstico de accidentes cerebrovasculares y para analizar su gravedad.