Plataforma de inteligencia artificial conversacional permite a los pacientes dialogar con su dispositivo médico en tiempo real

Un equipo de la Universidad de Pensilvania ha desarrollado un prototipo de plataforma que permite a las personas con epilepsia comunicarse con su dispositivo médico a través de una aplicación móvil y recibir información en tiempo real sobre su actividad cerebral. El sistema combina el registro continuo de electroencefalografía —tanto de cuero cabelludo como intracraneal— con un modelo de lenguaje de gran escala alojado en un entorno seguro y conforme a la normativa de privacidad estadounidense, que actúa como intermediario conversacional entre el paciente y sus datos. Los resultados, publicados en Nature Medicine, describen una prueba de concepto en 13 adultos ingresados en la unidad de monitorización de epilepsia del Hospital de la Universidad de Pensilvania.

La propuesta supone un cambio de paradigma respecto a los dispositivos médicos actuales, que en su mayoría recopilan datos para que un especialista los revise de forma periódica. En este caso, el sistema analiza biomarkers de sueño, medicación, cognición y probabilidad de crisis, notifica al paciente sobre eventos y tendencias, registra sus síntomas y respuestas, y utiliza esa retroalimentación para reentrenar su detector de crisis. «La idea es que, en lugar de esperar a que un especialista analice los datos que recoge tu dispositivo, este pueda detectar cambios y avisarte de inmediato, como tu propio grillo de la conciencia en el hombro», explica Brian Litt, autor principal del estudio y profesor de neurología, neurocirugía y bioingeniería. «Y lo más importante: tanto el paciente como el dispositivo aprenden juntos con el tiempo».

Los resultados de interacción fueron notables. Durante el estudio se intercambiaron 1.307 mensajes, y el 88,5% de los mensajes iniciados por los pacientes fueron conversaciones generales, lo que indica comodidad con la interfaz más allá de las consultas técnicas. Los participantes respondieron al 67,2% de las alertas de crisis en tiempo real, anotándolas como verdaderas, falsos positivos o inciertas, lo que proporcionó etiquetas valiosas para ajustar los algoritmos. La puntuación media en la escala de usabilidad del sistema fue de 83 sobre 100, situándolo en el rango de «excelente» incluso en un entorno hospitalario agudo. Varios participantes señalaron que la plataforma les ayudó a comprender patrones que antes intuían pero no lograban explicar.

En una simulación pseudoprospectiva, el reentrenamiento del detector a partir de las anotaciones de los propios pacientes redujo las falsas alarmas en torno al 80% y aumentó la puntuación F1 en más del 150%, manteniendo la sensibilidad basal, y todo ello sin intervención de especialistas. Un enfoque complementario con revisión clínica selectiva de los casos más inciertos mejoró aún más el rendimiento, reduciendo las falsas alarmas por encima del 82%.

Aunque el estudio se centró en la epilepsia, el equipo vislumbra aplicaciones mucho más amplias: dispositivos cardíacos, bombas de insulina y tratamientos para trastornos neuropsiquiátricos como el Parkinson, la depresión, el trastorno obsesivo-compulsivo o las adicciones. Ya preparan estudios para aplicar la plataforma al ajuste automático de la estimulación cerebral profunda en Parkinson, y trabajan en incorporar wearables para insomnio y monitorización de signos vitales.