Hacia una mejor comprensión y mejora del diagnóstico y pronóstico de pacientes con trastornos de la conciencia a través de observaciones multimodales (PerBrain)

El tratamiento mejorado de las lesiones cerebrales graves ha dado como resultado un aumento de las tasas de supervivencia. Mientras que algunos de estos pacientes recuperan la conciencia después de un estado de coma transitorio, otros pueden desarrollar un trastorno de la conciencia (DoC). El diagnóstico de DoC actualmente se basa en una evaluación conductual estandarizada. No se puede subestimar la importancia de la precisión en dicho diagnóstico, ya que guía las decisiones críticas sobre el tratamiento (incluido el manejo del dolor) y podría ser la base de las decisiones sobre el final de la vida. A pesar de esta importancia, el diagnóstico conductual actual a menudo falla, ya sea debido a los principales déficits sensoriales y motores asociados con el trastorno de conciencia, o debido a la etiología y fisiopatología heterogéneas asociadas con la afección. Finalmente, la necesidad de un diagnóstico y pronóstico certero trasciende las necesidades de los pacientes únicamente: el cuidado de estos pacientes es muy estresante, principalmente por la gran incertidumbre asociada a ellos. Por lo tanto, un diagnóstico y un pronóstico más precisos brindan un gran alivio para los cuidadores y, paradójicamente, incluso si las noticias no son "buenas". Por todas estas razones, es fundamental desarrollar herramientas personalizadas de diagnóstico y predicción del pronóstico que permitan un análisis estratificado a nivel de paciente único. El Proyecto PerBrain se beneficiará de la experiencia de los socios multidisciplinarios y de la oportunidad única de realizar evaluaciones longitudinales en cuatro sitios clínicos a través de técnicas electrofisiológicas, de neuroimagen y fisiológicas establecidas y novedosas. Sobre la base de los datos recopilados, los investigadores desarrollarán una herramienta de diagnóstico personalizado multimodal para pacientes con DC utilizando herramientas informáticas de última generación, como el aprendizaje automático, para determinar mejor el estado actual (diagnóstico) y el resultado futuro (pronóstico). ). El objetivo general de este proyecto proporcionará una mejor comprensión de los mecanismos fisiopatológicos en DoC, lo que, a su vez, permitirá estrategias de rehabilitación personalizadas y mejores predicciones de estado y pronóstico de un solo paciente.