Predicción de crisis epilépticas a partir de series cortas de electroencefalogramas (EEG) utilizando un algoritmo de asesoramiento experto.

Abstract

Se evaluó la efectividad del método “Temporal Expert Advice” o TEA para predicción del comportamiento de la señal de EEG de crisis epilépticas. Hasta donde sabemos, este enfoque nunca se ha intentado antes. El método TEA está enmarcado dentro de los sistemas conocidos como máquinas de aprendizaje o “machine-learning”. En nuestro caso, para entrenar y probar el método TEA se contó con la base de datos CHB-MIT Scalp EEG, disponible en el PhysioBank de PhysioNet, la cual consta de grabaciones de electroencefalogramas de 23 pacientes pediátricos con convulsiones intratables, monitoreadas por hasta varios días después de retirarles la medicación anticonvulsiva. La base de datos tiene registradas 198 crisis epilépticas. Se concluyó que el método TEA en efecto logra discernir que expertos son mejores y asignarle un peso adecuado a cada experto a la hora realizar las predicciones del comportamiento de la serie temporal, mostrando un mejor desempeño en algunos casos que en otros. Es altamente probable que el desempeño del método esté relacionado con el origen del ataque o el tipo específico de epilepsia que padecen los pacientes, y que el grado de exactitud de los expertos no siempre está relacionado con el hecho de que los datos provengan o no de un mismo paciente.