Un accidente cerebrovascular isquémico ocurre cuando un coágulo de sangre u otra partícula bloquea un vaso sanguíneo en el cerebro. En aproximadamente un tercio de los casos, los medicamentos que disuelven los coágulos pueden romper la obstrucción con éxito. Sin embargo, cuando el coágulo es grande, la medicación por sí sola suele resultar insuficiente, lo que lleva a los médicos a considerar la terapia endovascular.
Este procedimiento implica guiar un catéter a través de una arteria en la ingle o la muñeca hasta el cerebro para eliminar el coágulo. En este sentido, estudios recientes sugieren que incluso un día o más después de un accidente cerebrovascular, e incluso en casos de daño extenso, los pacientes aún pueden alcanzar resultados positivos de la terapia endovascular.
“Estamos permitiendo que un algoritmo aprenda las características visuales que predicen el éxito o el fracaso de esta técnica"
Por el contrario, los expertos apuntan que algunos pacientes que, según métricas específicas, predicen que se beneficiarán de este procedimiento, luego no mostraron mejoría. Si bien los médicos pueden restablecer con éxito el flujo sanguíneo desbloqueando la arteria en más del 90% de los casos, más del 50% de estos pacientes aún sufren una discapacidad moderada a grave.
Este nuevo estudio, que según apuntan que durará cinco años y que llevarán a cabo investigadores del Centro de Ciencias de la Salud de la Universidad de Texas en Houston, se centrará en el desarrollo de aprendizaje automático para predecir qué pacientes con ictus y bloqueos en grandes vasos sanguíneos tienen más probabilidades de beneficiarse de la terapia endovascular.
En este sentido, el equipo creará una base de datos de imágenes y resultados clínicos de pacientes en tres hospitales de EE.UU. que se han sometido a una reperfusión exitosa, el proceso de reapertura del vaso bloqueado. Esta base de datos ayudará a los investigadores a identificar predictores clínicos y de imagen del daño cerebral posterior a la reperfusión.
“Estamos permitiendo que un algoritmo aprenda las características visuales que predicen el éxito o el fracaso. No es que el aprendizaje automático o la IA vean cosas que son invisibles", explica Luca Giancardo, profesor asociado en UTHealth Houston.
“Esperamos que el modelo vea cosas que nosotros no vemos y que ni siquiera pensaríamos en analizar de ciertas maneras"
El equipo de investigación desarrollará un modelo de aprendizaje automático capaz de predecir la viabilidad del tejido cerebral y los resultados clínicos utilizando datos recopilatorios tanto antes de la terapia endovascular como después de la reperfusión. Este modelo de aprendizaje profundo incorporará datos e imágenes, historial clínico del paciente y medidas de gravedad del accidente cerebrovascular para ayudar a identificar a los pacientes que la terapia endovascular por sí sola no es suficiente.
“Esperamos que el modelo vea cosas que nosotros no vemos y que ni siquiera pensaríamos en analizar de ciertas maneras. Por lo tanto, esperamos que el modelo vea cosas que nosotros no vemos, que no pensamos ver, que ni siquiera pensaríamos en analizar de ciertas maneras. Por lo tanto, esperamos que este modelo pueda superar lo que podemos hacer con nuestros ojos”, señala Luca Giancardo.