La previsión de convulsiones en personas que padecen epilepsia puede proporcionar avisos oportunos para adaptar actividades diarias y ayudar a médicos a aplicar tratamientos más objetivos y personalizados con el potencial de intervenir a tiempo.

Aunque trabajos recientes han demostrado que la evaluación del riesgo a padecerlas es posible, estos primeros enfoques se basan en medidas complejas y, a menudo, invasivas como la electrocorticografía intracraneal, dispositivos implantados y electroencefalografía multicanal, requieren la adaptación y aprendizaje del paciente para funcionar de forma óptima, limitando su aplicación clínica. 

Para facilitar una adaptación se necesitan técnicas no invasivas y de fácil aplicación que evalúen de forma fiable el riesgo de convulsiones sin necesidad de una fase de ajuste. 

Las señales periféricas registradas mediante dispositivos portátiles, como pulseras, son especialmente interesantes en este sentido, ya que permiten el registro continuo no invasivo de varios parámetros fisiológicos como la actividad electrodérmica, temperatura corporal, pulso, volumen sanguíneo y actigrafía, y monitorizar la variación de la función autónoma del sistema nervioso y movimientos relevantes para este objetivo. Al mismo tiempo, el diseño compacto puede evitar la estigmatización asociada a grandes dispositivos en la cabeza, permitiendo una aplicación más fácil y aumentar la adherencia del paciente al uso ambulatorio a largo plazo.

Un equipo de investigadores del Departamento de Neurología de la Universidad Charité de Medicina de Berlín en Alemania, aplicó aprendizaje profundo en los datos del sensor de la pulsera multimodal de 69 pacientes con epilepsia (duración total > 2311 horas, 452 convulsiones) para evaluar su capacidad de predecir las convulsiones de forma estadísticamente significativa.

Utilizando un enfoque de validación cruzada con exclusión de un sujeto, identificaron más probabilidades de predicción en el 43% de los pacientes. Los análisis de datos de las convulsiones indicaron que el pronóstico no se basaba simplemente en la hora del día o en el estado de vigilancia. El rendimiento de la predicción alcanzó su punto máximo cuando se utilizaron todas las modalidades de sensores y no difirió entre los tipos de convulsiones generalizadas y focales, pero aumentó con el tamaño del conjunto de datos, lo que indica una posible mejora con un grupo de datos más amplios.

Es probable que prever estos episodios aporte grandes beneficios para muchos pacientes y pueda mejorar la gestión de las crisis desde el punto de vista médico, para lo cual son cruciales las técnicas no invasivas y de fácil aplicación. Aquí, los autores demuestran la capacidad de los datos de los sensores de las pulseras multimodales de dispositivos no invasivos en combinación con el aprendizaje profundo para proporcionar una previsión de convulsiones estadísticamente significativa. Estos resultados proporcionan un paso hacia el empoderamiento del paciente y a un diagnóstico de epilepsia más objetivo con viabilidad para una amplia aplicación.