0Este artículo trata sobre la reciente presentación de una nueva e innovadora aplicación para teléfonos inteligentes diseñada para reconocer con precisión los signos físicos de un derrame cerebral en pacientes, utilizando tecnología avanzada de aprendizaje automático. Este avance fue anunciado y discutido durante la 20th Reunión Anual de la Sociedad de Cirugía NeuroIntervencionista (SNIS). Esta aplicación representa un avance significativo en el campo de la tecnología de la salud móvil, proporcionando una herramienta revolucionaria que puede capacitarnos para identificar y evaluar los posibles signos de un derrame cerebral lo más rápido posible, aumentando las posibilidades de una respuesta rápida y eficaz.
Para desarrollar esta poderosa herramienta, se llevó a cabo un estudio titulado 'Algoritmos de aprendizaje automático habilitados para el teléfono inteligente para la detección autónoma de accidentes cerebrovasculares', los investigadores de la David Geffen School of Medicine de la UCLA colaboraron de cerca con numerosas instituciones médicas ubicadas en Bulgaria. Recopilaron datos de 240 pacientes que estaban siendo tratados por accidentes cerebrovasculares en cuatro centros metropolitano para accidentes cerebrovasculares diferentes. Los datos fueron recopilados dentro de las 72 horas desde el inicio de los síntomas de los pacientes.
El método principal utilizado por estos investigadores implicaba la grabación de videos de los pacientes a través de teléfonos inteligentes y la realización de pruebas de fuerza en el brazo. El objetivo de estas pruebas era reconocer los signos clave de un accidente cerebrovascular como la asimetría facial, los cambios en el habla y la debilidad del brazo. Para la asimetría facial, los investigadores utilizaron el aprendizaje automático para analizar 68 puntos de referencia faciales distintos.
Para evaluar la debilidad del brazo, utilizaron datos del acelerómetro 3D incorporado en el teléfono inteligente. Pero no solo eso, también utilizaron el giroscopio y el magnetómetro del teléfono, aprovechando así todas las capacidades internas estándar del dispositivo. Para detectar cambios en los patrones de habla, utilizaron coeficientes cepstrales de frecuencia mel, un método común para reconocer sonido que convierte las ondas de sonido en imágenes. Esto les permitió hacer comparaciones útiles entre los patrones de habla normales y arrastrados.
El siguiente paso fue probar la aplicación. Esto se hizo comparando los resultados de la aplicación con los informes de los neurólogos y los datos de escaneo cerebral de los pacientes. Esta rigurosa prueba concluyó que la aplicación mostraba suficiente sensibilidad y especificidad para diagnosticar correctamente un derrame cerebral en la gran mayoría de los casos. El Dr. Radoslav Raychev, neurólogo vascular y neurointervencionista de la David Geffen School of Medicine de la UCLA, expresó su entusiasmo por el potencial que tiene esta innovadora aplicación y la gran ayuda que puede aportar la emergente tecnología de aprendizaje automático para evaluar rápidamente y con precisión los síntomas para permitir la supervivencia y recuperación de la independencia tras un derrame cerebral.
