Integración de electroencefalografía en estado de tarea y función motora para la evaluación inteligente del estado de recuperación de trastornos prolongados de la conciencia

Qué problema aborda

La evaluación precisa de la recuperación en pacientes con trastornos prolongados de la conciencia (PDoC) es fundamental para valorar la eficacia terapéutica y optimizar la atención clínica. Sin embargo, la variabilidad individual y los mecanismos de recuperación poco comprendidos complican esta tarea.

Qué hicieron los autores

Los autores recolectaron electroencefalografía en estado de tarea y registros clínicos de 78 pacientes con PDoC para desarrollar un marco de evaluación inteligente. Se extrajeron densidades espectrales de potencia (PSD) y valores de coherencia (CV) derivados de potenciales relacionados con eventos (ERP), que se integraron con puntuaciones de función motora para construir un conjunto de características multidimensional. Se construyeron y evaluaron modelos de máquina de soporte vectorial (SVM) y regresión logística (LR) mediante validación cruzada de tipo leave-one-out (LOOCV).

Qué encontraron

Los resultados de la validación cruzada LOOCV mostraron que tanto LR como SVM lograron un rendimiento óptimo y similar al integrar características de la banda alfa con la función motora, alcanzando un Macro-Average F1-score (Ma-F) de 76.79% para LR y 75.54% para SVM. Las curvas de características operativas del receptor (ROC) mostraron valores de área bajo la curva de 77.57% para LR y 72.82% para SVM, mientras que las curvas de precisión-recall mostraron valores de precisión promedio de 68.87% para LR y 59.85% para SVM. Ambos modelos demostraron una buena calibración y fiabilidad para la evaluación.

Limitaciones

El texto disponible no detalla las limitaciones del estudio.

Lectura final

Este estudio preliminar sugiere que la integración de características neurocientíficas con tecnología inteligente puede mejorar la evaluación de la función motora en pacientes con PDoC, lo que podría tener un impacto significativo en la personalización del diagnóstico y la gestión clínica de estos pacientes. La combinación de enfoques neurocientíficos y tecnológicos representa una vía prometedora para avanzar en el tratamiento de trastornos complejos.