Usando poder del crowdsourcing para desarrollar algoritmo que puede ayudar a predecir y quizás prevenir convulsiones epilépticas
Un concurso realizado en Internet del mes de agosot a noviembre de 2014 (4 meses), 2 pacientes, 5 perros y 654 científicos de datos…todos juntos para brindar a los pacientes con epilepsia la esperanza de predecir confiablemente las convulsiones y de, quizás, prevenirlas.
Un estudio publicado en la edición de junio de la revista Brain informa sobre un concurso por Internet del año 2014 en el que más de 500 equipos de científicos de datos procedentes de todo el mundo analizaron cientos de horas de grabaciones de la actividad eléctrica del cerebro de 2 personas y 5 perros, antes y durante convulsiones epilépticas. ¿El resultado? Una predicción de las convulsiones epilépticas mejor que la aleatoria. En lo que durante mucho tiempo ha sido zona de litigio en la investigación, con limitada capacidad de reproducir los resultados, este estudio puso a libre disposición todo el análisis y el código de los datos.
La predictibilidad de la convulsiones puede cambiar la vida de los pacientes. “Si un algoritmo es capaz de detectar cambios sutiles en la actividad eléctrica del cerebro antes de que se produzca una convulsión, los epilépticos pueden tomar medicamentos solo cuando lo necesitan y posiblemente volver a realizar las actividades cotidianas que muchos de nosotros damos por descontadas”, comenta el Dr. Ben Brinkmann, científico de datos en Mayo Clinic y autor principal del estudio realizado por Mayo Clinic, la Universidad de Pennsylvania y la Universidad de Minnesota.
La actividad eléctrica anormal que ocurre en del cerebro durante una convulsión, a veces, deriva en pérdida de la conciencia. En las personas epilépticas, la imposibilidad de predecir las convulsiones limita gravemente su capacidad de realizar algunas tareas en las que hasta una pérdida momentánea de la conciencia puede ser desastrosa, tal como conducir un vehículo, nadar o sostener a un bebé. Aproximadamente 50 millones de personas sufren de epilepsia en todo el mundo, según los datos de la Organización Mundial de la Salud.
Desarrollar algoritmos confiables para predecir convulsiones requiere contar con datos sobre mucha actividad convulsiva y no convulsiva dentro del cerebro, medida por el electroencefalograma (EEG) implantado. Sin embargo, esa gran cantidad necesaria de datos a largo plazo es difícil de adquirir y jamás ha estado disponible. Por lo general, los registros del EEG se obtienen registros durante 7 días o menos antes de la cirugía, cuando se disminuyen los medicamentos del paciente para fomentar convulsiones. Esos registros ofrecen una visión limitada de la función cerebral en condiciones cambiantes.
Hasta cuando se crea un algoritmo operativo, los investigadores normalmente no comparten el código del algoritmo debido a problemas concernientes a la privacidad, al costo de compartir grandes conjuntos de datos y a la protección del estudio y de la propiedad intelectual. Además, tampoco hay incentivos para compartir los datos. El resultado de esto es la existencia de vasta cantidad de literatura médica que es difícil de comparar e imposible de reproducir.
Es allí donde entra la colaboración masiva y el compartir datos que permitirían dar el siguiente paso al buscar por Internet la ayuda de un gran grupo de personas para resolver el problema.
“Con la esperanza de ganar hasta US$ 15 mil de premio en efectivo y presumir de tener derechos en círculos de datos científicos, cientos de personas que desarrollan algoritmos y que, en gran mayoría, tenían poca o ninguna experiencia con la epilepsia o el EEG trabajaron durante incontables horas para construir, probar y reconstruir algoritmos para predecir las convulsiones”, explica el Dr. Brinkmann.
Los novedosos datos caninos respecto a la epilepsia provinieron del Sistema de Consejería en la Epilepsia. Los conjuntos de datos y el código fuente del Laboratorio para Electrofisiología de Sistemas de Mayo Clinic y del Portal International de Electrofisiología de la Epilepsia, permanecen ampliamente disponibles para que los investigadores continúen desarrollando nuevos algoritmos para predecir las convulsiones.
“Estos resultados sustentan nuestros esfuerzos por desarrollar la siguiente generación de dispositivos para la epilepsia con el fin de monitorizar continuamente la actividad cerebral, predecir y prevenir las convulsiones. Estos conjuntos de datos y código fuente sirven de punto de referencia y permiten comparar nuevos algoritmos entre sí y frente a otros desarrollados en esta competencia”, comenta el Dr. Greg Worrell, neurólogo de Mayo Clinic.
Este método no hubiese sido factible sin la amplia disposición de datos. Los científicos de datos de todo el mundo probaron los algoritmos en casi 350 convulsiones registradas durante más de mil 500 días y los ganadores acordaron poner su código computacional a libre disposición. En el transcurso de los 4 meses del concurso, más de la mitad de estos algoritmos de colaboración masiva rindió mejor que las predicciones aleatorias. Los algoritmos con mejor rendimiento predijeron exactamente más de 70% de las convulsiones cuando se los probó en las partes no vistas de los datos caninos.
El esfuerzo por predecir las convulsiones continúa gracias a un subsidio federal de 5 años otorgado al equipo de Mayo en 2015 por los Institutos Nacionales de Salud. El subsidio es parte de una iniciativa presidencial dirigida a revolucionar la comprensión del cerebro humano, conocida como Investigación del Cerebro a través del Avance de Innovadoras Neurotecnologías o Iniciativa BRAIN.
Referencias
- Benjamin H. Brinkmann, Joost Wagenaar, Drew Abbot, Phillip Adkins, Simone C. Bosshard, Min Chen, Quang M. Tieng, Jialune He, F. J. Muñoz-Almaraz, Paloma Botella-Rocamora, Juan Pardo, Francisco Zamora-Martinez, Michael Hills, Wei Wu, Iryna Korshunova, Will Cukierski, Charles Vite, Edward E. Patterson, Brian Litt, Gregory A. Worrell. Crowdsourcing reproducible seizure forecasting in human and canine epilepsy. Brain, 2016; aww045 DOI: 10.1093/brain/aww045; Disponible en el URL http://brain.oxfordjournals.org/content/139/6/1713
facebookLinkedIntwitterPin ItWhatsAppBuffer