COMUNICACIÓN ORAL | 21 noviembre 2017, martes | Hora: 15:30
AUTORES
Principe , Alessandro; Sánchez Larsen, Alvaro; Chavarría Cano, Beatriz; Ley Nacher, Miguel; Tauste Campo, Adria; Rocamora Zúñiga, Rodrigo
CENTROS
Servicio de Neurología. Hospital del Mar
OBJETIVOS
Considerando la comunicación entre regiones cerebrales como diálogos, describimos un nuevo método diseñado para capturar el momento en que la comunicación cambia abruptamente.
MATERIAL Y MÉTODOS
Basado en un algoritmo desarrollado para la compresión de datos, babel registra y predice estados de interacción entre áreas cerebrales generando mapas de error (ME). Se analizaron 20 horas de señales EEG de redes virtuales generadas con un modelo de masa neural. Las subredes variaron en el tiempo, de normal a normal o estados patológicos. Luego, utilizando un clasificador comúnmente empleado en machine learning, clasificamos ME cerca y lejos de un evento ictal y cuantificamos el riesgo de crisis reales de 3 pacientes explorados con SEEG, 2 con epilepsia temporal y 1 con epilepsia frontal, durante un total de 72 horas.
RESULTADOS
Demostramos que babel es superior a la coherencia espectral en la detección de todas las transiciones de señales virtuales consideradas. Usando la coherencia o babel creamos 1000 modelos que predijeron con éxito todas las crisis (21) usando un solo evento por paciente para el entrenamiento. Sin embargo, babel resultó superior a la coherencia en términos de predicción de tiempo libre de crisis y cantidad de advertencias falsas. De hecho, el mejor modelo predijo el 96% del tiempo interictal (vs. 83% de la coherencia).
CONCLUSIONES
Babel es un nuevo método que utiliza un análisis en dominio temporal para la correcta determinación de las transiciones de dinámica cerebral. Es posible que este análisis de estados se pueda utilizar en el futuro para la predicción y detección de crisis.
