Inteligencia artificial en hemorragia subaracnoidea (AISAH)

Los pacientes con hemorragia subaracnoidea aneurismática (aSAH), desarrollan isquemia cerebral retardada (DCI) en aproximadamente el 30% de los casos. La DCI se asocia con un aumento de la mortalidad, un déficit neurológico persistente y una calidad de vida deteriorada. Sería beneficioso tanto para los pacientes como para la sociedad disminuir estas lesiones neurológicas. Un problema clínico es que el diagnóstico de isquemia cerebral en pacientes con HSA a menudo se retrasa debido a limitaciones en la capacidad de monitorización. Cuando se detecta, el daño neurológico a menudo resulta ser irreversible.

Varios estudios han utilizado análisis de regresión logística univariante y multivariante para identificar los factores de riesgo para el desarrollo de isquemia cerebral retardada (DCI) en pacientes con hemorragia subaracnoidea. Sin embargo, estos estudios se basan en datos recopilados sobre los pacientes (p. edad, género), y la precisión de estos modelos estadísticos generalmente ha resultado ser baja. Recientemente, también se han evaluado algoritmos de aprendizaje automático para la predicción de DCI utilizando una combinación de datos clínicos y de imágenes.

Sin embargo, la predicción de DCI no previene DCI, para prevenir DCI es necesario desarrollar un sistema de monitorización que pueda advertir a los médicos del riesgo inminente de isquemia cerebral, que permita intervenir y prevenir la isquemia cerebral.

Las variaciones en el sistema nervioso autónomo, como los cambios en el equilibrio entre los sistemas nerviosos simpático y parasimpático, se pueden detectar mediante el control de la variabilidad de la frecuencia cardíaca (VFC). Se ha informado que la VFC es un predictor de mal resultado después de una lesión cerebral traumática y un accidente cerebrovascular, incluida la hemorragia subaracnoidea. Sin embargo, la monitorización de HRV para la detección de isquemia cerebral incipiente no se ha evaluado a fondo. En un estudio de pacientes con aSAH, recolectamos HRV continuamente hasta 10 días después de la admisión, pero solo una pequeña parte de los datos de HRV se analizó fuera de línea. Quince de 55 pacientes desarrollaron DCI durante la fase aguda, y el análisis fuera de línea de HRV mostró que la relación de frecuencia baja/alta aumentó más en pacientes que desarrollaron DCI (Ref). Esto nos llevó a tratar de analizar todo el HRV recopilado con la ayuda de procesos de aprendizaje automático, y se inició una colaboración con científicos informáticos/de datos.

El objetivo general de este estudio es, con la ayuda de informáticos/científicos de datos y procesos de aprendizaje automático, analizar los datos recopilados de HRV para evaluar si se pueden encontrar patrones específicos en pacientes que desarrollan DCI durante la fase aguda después de una hemorragia subaracnoidea.