Método estadístico mejoraría la adaptación de prótesis en pacientes
¿Por qué una vocal? Todo comienza con la capacidad de nuestro cerebro para realizar actividades conjuntas en ese entramado de conexiones nerviosas y eléctricas que permite que la vida se manifieste. Cuando usted habla o levanta una mano, el cerebro envía una señal hasta ese punto del cuerpo, por lo que, en teoría, la señal se puede medir y manipular de la misma forma.
Esto es importante, pues al poner una prótesis tras una amputación se realizan exámenes que miden señales cerebrales para entender tareas específicas como mover un brazo. Sin embargo, en algunos casos la conexión neuronal está severamente afectada y pueden surgir interferencias tanto por los movimientos musculares como por el aparato (electroencefalógrafo), o incluso por el personal que realiza los exámenes.
Y aquí aparece la magia de la ciencia, pues con un caso del habla, como producir las vocales, se puede analizar en detalle lo que ocurre en un encefalograma (técnica que utiliza electrodos en el cuero cabelludo del paciente para detectar las señales de las neuronas) y aplicar técnicas de estadística espacial y aprendizaje de máquina (machine learning) para disminuir la misma interferencia que se genera en las prótesis, pues al venir del mismo punto capta los mismos ruidos.
Este es el trabajo de la investigadora Valeria Bejarano Salcedo, magíster en Estadística de la UNAL, quien aprovechando los registros cerebrales de 23 participantes de un estudio previo de la Universidad Pedagógica Nacional de Colombia, entrenó un algoritmo de este tipo con el método estadístico de análisis de datos funcionales, con el cual es posible identificar con mayor precisión que en trabajos anteriores lo que es una vocal en el cerebro, y por ende eliminar en un futuro las dificultades en la asimilación de señales de una prótesis.
Se trata de un aporte para que en Colombia se brinden prótesis de mejor calidad, que no generen retrocesos para los pacientes, pues investigaciones de la Universidad de Antioquia han evidenciado que aunque adquirir una prótesis debería tomar alrededor de 4 meses después de la amputación, o en casos especiales 48 horas después de la cirugía, en el país la entrega de este aparato puede tardar hasta un año.
Según la investigadora Bejarano, se trabajó con alrededor de 23.000 datos, es decir 1.000 por cada paciente, que incluían el registro de 21 electrodos interpolando todas las formaciones nerviosas cerebrales que se crean cuando piensan y dicen una vocal; luego, utilizando el enfoque de análisis de datos funcionales, en el que se analizan los cambios espaciales y temporales en los encefalogramas –lo que quiere decir que no se toma solo un punto de actividad–, se trazó un mapa de la actividad cerebral de cada paciente.
“El algoritmo se entrenó en el lenguaje de programación Python para generar una imagen de cada paciente y evaluar la precisión con la que esta herramienta tecnológica puede identificar las vocales en el cerebro. Un punto muy importante es que pueda hacerlo evitando el ruido que se genera al usar un electroencefalograma”.
“Aunque este es un vínculo que muchas veces no se tiene en cuenta, entender cómo funciona este proceso nos ayudaría a mejorar la precisión en la asimilación de la prótesis, pues entender las señales cerebrales en una actividad es ampliar el espectro en las demás”, indica la experta.
También se realizó la evaluación del algoritmo utilizando solo algunas imágenes, con una precisión del 70 %, lo cual en estadística ya es un dato aceptable; pero luego de seguir alimentando los datos en el lenguaje de programación y establecer librerías especiales, que se asemejan a lo que sería un paciente con prótesis en una de sus manos, la precisión volvió a subir hasta un 91 %.
Según la Asociación Colombiana de Medicina Física y Rehabilitación, en 2014, por cada 100.000 habitantes, entre 200 y 300 requirieron prótesis; así mismo, el Observatorio de Minas Antipersona muestra que solo 28.890 colombianos tienen acceso económico a una prótesis, a pesar de que entre 1990 y 2020 hubo 11.801 víctimas de minas, al 70 % de las cuales les amputaron una o sus dos piernas.