Algoritmo de IA mide de forma no invasiva la presión intracraneal en pacientes después de una lesión cerebral traumática

Los síntomas de la PIC alta incluyen dolores de cabeza, visión borrosa, vómitos, cambios en comportamiento y un nivel reducido de conciencia, lo que plantea graves riesgos para la salud. Los métodos tradicionales de monitorización de la PIC son muy invasivos e implican la inserción de dispositivos como drenajes ventriculares externos (DVE) o la monitorización de la presión intraparenquimatosa (IPM) directamente en el cerebro a través del cráneo. Estos métodos, si bien son efectivos, conllevan riesgos significativos, incluyendo el mal posicionamiento del catéter, infecciones y hemorragias, que ocurren en aproximadamente el 15.3 %, 5.8 % y 12.1 % de los casos, respectivamente. Además, requieren experiencia quirúrgica y equipo especializado que no siempre está disponible en muchos entornos médicos, lo que destaca la necesidad de técnicas de monitorización menos invasivas.

Ahora, investigadores de la Escuela de Medicina de la Universidad Johns Hopkins (Baltimore, MD, EUA) han propuesto un método novedoso y menos invasivo para monitorear la PIC. Publicada en la revista Computers in Biology and Medicine el 12 de julio, su investigación explora la correlación entre las formas de onda de la PIC y tres señales fisiológicas comúnmente medidas en la UCI: presión arterial invasiva (PAI), fotopletismografía (PPG) y electrocardiografía (ECG). Al emplear estos puntos de datos, los investigadores entrenaron varios algoritmos de aprendizaje profundo, logrando una precisión predictiva para la PIC comparable o superior a los métodos existentes. Esta investigación indica la posibilidad de una nueva técnica no invasiva para el monitoreo de la PIC, lo que podría transformar la atención al paciente en entornos críticos.

"La PIC es universalmente aceptada como un signo vital crítico; existe una necesidad imperativa de medir y tratar la PIC en pacientes con trastornos neurológicos graves, pero el estándar actual para la medición de la PIC es invasivo, riesgoso y requiere muchos recursos", afirmó el investigador Robert Stevens, MD, MBA. "Aquí exploramos un enfoque novedoso aprovechando la Inteligencia Artificial que creemos podría representar un método de evaluación de la PIC no invasivo y viable".

Enlaces relacionados:
Facultad de Medicina de la Universidad Johns Hopkins