IA detecta cambios neurológicos graves en bebés de la UCIN utilizando solo datos de vídeo

000 recién nacidos son ingresados en unidades de cuidados intensivos neonatales (UCIN) en los Estados Unidos. El estado de alerta del bebé es un indicador clave de la salud neurológica, ya que refleja el funcionamiento general del sistema nervioso central. El deterioro neurológico en las UCIN puede ocurrir de forma repentina, con graves consecuencias. Sin embargo, si bien la telemetría cardiorrespiratoria se ha utilizado ampliamente para monitorear la función cardíaca y pulmonar de forma continua en las UCIN, la neurotelemetría no se ha implementado de manera similar, a pesar de los avances en electroencefalografía (EEG) y UCIN neurológicas especializadas. Las evaluaciones neurológicas aún se realizan típicamente de manera intermitente mediante exámenes físicos, que pueden ser inexactos y pasar por alto cambios sutiles. Ahora, un algoritmo de reconocimiento de poses de aprendizaje profundo, entrenado con videos de bebés en la UCIN, puede rastrear sus movimientos y medir con precisión métricas neurológicas clave.

Esta herramienta impulsada por IA, desarrollada por un equipo de médicos, científicos e ingenieros del Mount Sinai (Nueva York, NY, EUA), ofrece la posibilidad de realizar un seguimiento continuo y mínimamente invasivo de la salud neurológica en las UCIN. Podría proporcionar información crítica en tiempo real sobre la salud infantil que antes era difícil de obtener. El equipo del Mount Sinai planteó la teoría de que el uso de la visión artificial para rastrear los movimientos de los bebés podría ayudar a predecir los cambios neurológicos en los pacientes de la UCIN. El método, llamado "Pose AI", emplea aprendizaje automático para rastrear puntos anatómicos clave a partir de datos de video, una técnica que ya ha revolucionado campos como el deporte y la robótica. Los investigadores entrenaron el modelo de IA utilizando más de 16.938.000 segundos de metraje de vídeo de 115 bebés de la UCIN del Hospital Mount Sinai, quienes también estaban bajo monitoreo continuo de EEG con video.

Los resultados mostraron que Pose AI pudo rastrear con precisión los puntos de referencia de los bebés y usar estos datos para predecir dos afecciones clave: sedación y disfunción cerebral, con gran precisión. El equipo se sorprendió por la capacidad del algoritmo para funcionar de manera efectiva en diversas condiciones de iluminación (día, noche y durante la fototerapia) y desde diferentes ángulos. Además, descubrieron que su índice de movimiento de Pose AI estaba asociado tanto con la edad gestacional como con la edad posnatal. Sin embargo, el estudio tuvo limitaciones, ya que los modelos de IA se entrenaron utilizando datos de una sola institución, lo que significa que es necesaria una evaluación adicional con datos de video de otros hospitales y diferentes configuraciones de cámaras. El equipo planea probar la tecnología en más UCIN y desarrollar ensayos clínicos para evaluar su impacto en la atención al paciente. También están explorando su potencial para diagnosticar otras afecciones neurológicas y expandir su uso a poblaciones adultas, como se detalla en la investigación publicada en la revista eClinicalMedicine de Lancet .

“Nuestro estudio demuestra que aplicar un algoritmo de IA a las cámaras que monitorean continuamente a los bebés en la UCIN es una forma eficaz de detectar cambios neurológicos de forma temprana, lo que podría permitir intervenciones más rápidas y mejores resultados”, dijo el Dr. Felix Richter, autor principal del artículo e instructor de Medicina del Recién Nacido en el Departamento de Pediatría del Mount Sinai. “Prevemos un sistema futuro en el que las cámaras monitorean continuamente a los bebés en la UCIN, con IA que proporciona una tira de neurotelemetría similar a la frecuencia cardíaca o el monitoreo respiratorio, con alertas para cambios en los niveles de sedación o disfunción cerebral. Los médicos podrían revisar videos e información generada por IA según sea necesario, ofreciendo una herramienta intuitiva y fácilmente interpretable para la atención junto a la cama del paciente”.