Aplicación de técnicas de análisis de señales en la identificación y caracterización de crisis epilépticas
La epilepsia es una enfermedad del sistema nervioso, la cual produce en la persona que la padece eventos comúnmente llamados crisis epilépticas. Solamente el 70% de los casos son tratables con medicina química convencional, el resto se deben someter a otros procedimientos (por ejemplo una cirugía...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2020
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/913/1/Sigvard.pdf |
| Aporte de: |
| Sumario: | La epilepsia es una enfermedad del sistema nervioso, la cual produce en la persona que la padece
eventos comúnmente llamados crisis epilépticas. Solamente el 70% de los casos son tratables con
medicina química convencional, el resto se deben someter a otros procedimientos (por ejemplo una cirugía
), o aprender a convivir con la enfermedad. En aquellos casos que se sometan a un procedimiento
quirúrgico, es habitual previo a la cirugía curativa, realizar un estudio utilizando un electroencefalograma
(EEG) con electrodos intracraneales. Con el fin de determinar la zona inicial de la crisis y
sus caminos de propagación con precisión, se registra la actividad eléctrica del cerebro por períodos
de tiempo extensos, del orden de 1 semana. Por este motivo y con el n de facilitar el trabajo de los
neurólogos, se diseñan algoritmos de detección automáticas de crisis.
La cantidad de potencia en diferentes bandas de frecuencias de un EEG intracranial porta información
acerca del estado del paciente. Por otro lado, los neurólogos están entrenados para analizar
estas señales en las bandas de frecuencia delta, theta, alpha, beta y gamma. En este trabajo realizamos
un análisis de componentes principales sobre una ventana deslizante a través de la señal de cada
electrodo del EEG filtrada en las 5 bandas mencionadas, el cual nos permitió desarrollar un método
no supervisado que detecta anomalías transitorias en la cantidad de potencia sobre alguna banda en
específica, o una combinación de ellas. Las crisis son detectadas automáticamente una vez que el valor
del componente principal cruza un umbral previamente establecido. Una vez diseñado y optimizado
el algoritmo de detección, utilizamos etapas intermedias del procesamiento para caracterizar las crisis
presentes en la base de datos, con el n de encontrar correlaciones entre las señales electrosiológicas
procesadas, y el nivel de pérdida de conciencia del paciente, aspectos cognitivos del evento y el área
de donde provienen dichas señales.
Teniendo en cuenta el criterio de los médicos como verdad absoluta, y corriendo el algoritmo sobre
30 crisis de 5 pacientes diferentes con un promedio de 10 puntos de registros involucrados por paciente,
obtenemos 83% de verdaderos positivos con 17% de falsos positivos para detección de crisis, y 81%
de verdaderos positivos con 19% de falsos positivos para la detección de electrodos involucrados. Para
identificar la correlación entre el comportamiento y las anomalías electrosiológicas, identificamos
cambios transitorios en la varianza de cada banda de frecuencia correlacionados con el nivel de pérdida
de conciencia del paciente, mensurado con el índice Consciousness Seizure Scale (CSS), el cual promedia
el desempeño del paciente en 8 pruebas comportamentales llevadas a cabo por personal médico
durante la crisis. Las crisis con mayor compromiso de conciencia tienden a exhibir un incremento en
la varianza aproximadamente 40 segundos después del inicio de la crisis. En las mismas, el autovector
asociado al autovalor principal contiene un significativo aumento de potencia en las bandas theta y
alpha, y una disminución en la delta y beta. Luego analizamos las correlaciones electrosiológicas
de las diferentes funciones cognitivas que componen el CSS. Encontramos que las pruebas que se relacionan
con un trastorno de la memoria están positivamente correlacionadas con la duración total
de la crisis, con una correlación máxima entre las anomalías eléctricas y la prueba comportamental
aproximadamente 60 segundos luego de iniciada la crisis. En cambio, las pruebas relacionadas con
la habilidades de interacción del paciente, están correlacionadas positivamente con la velocidad de
propagación de la crisis sobre las áreas reclutadas, con una correlación máxima entre las anomalías
eléctricas y la prueba comportamental aproximadamente 30 segundos después del inicio. Finalmente,
analizamos la dependencia de estas correlaciones con la posición espacial de los electrodos implantados.
La alteración de las funciones mnemónicas se vio correlacionado con las crisis provenientes del
lóbulo temporal, mientras que las afecciones a las funcionalidades de interacción y comunicación se
vieron correlacionadas con crisis focalizadas en el lóbulo frontal.
Con esto concluimos que, en los pacientes analizados, la señal registrada con electrodos intracraneales
revela perfiles temporales específicos en crisis con mayor disrupción de la conciencia. Aún más,
las diferentes capacidades que sostienen el procesamiento consciente siguen perles espacio-temporales
discernibles. Por lo tanto, creemos que el método propuesto en este trabajo tiene el potencial de caracterizar
las crisis de forma espacial y temporal además de poder caracterizar aspectos cognitivos del
episodio. |
|---|