Neurología del futuro: inteligencia artificial y neurotecnologías para una salud cerebral personalizada

En esta ocasión se presenta una reflexión sobre el horizonte de la neurología en el año 2050, cuando esta especialidad habrá dejado atrás su énfasis casi exclusivo en el diagnóstico y el tratamiento convencional de las enfermedades cerebrales para convertirse en un campo profundamente integrado con tecnologías de vanguardia y estrategias de medicina de precisión.

Las enfermedades neurológicas son la principal causa de discapacidad y mortalidad combinadas, por lo cual el ejercicio de la neurología exige soluciones innovadoras, sostenibles y accesibles.

La "salud cerebral" actualmente es considerada una prioridad en salud pública por la Organización Mundial de la Salud (OMS) y de manera simultánea hay rápidos avances en la inteligencia artificial que están revolucionando la investigación y práctica neurológicas.

La inteligencia artificial, definida como la capacidad autónoma de aprendizaje por máquinas, nos permite avanzar en la neurología de precisión personalizada ; de manera conjunta, las neurotecnologías mediante el uso de modelos matemáticos para predecir variables de interés avanzan a un paso sin precedentes.

La neurología de precisión personalizada implica el descubrimiento de biomarcadores diagnósticos, pronósticos y predictivos para tipificar los padecimientos, estratificar el riesgo y dirigir intervenciones.

Podemos ejemplificar esto con el uso de biosensores miniatura incorporados en dispositivos fácilmente utilizables, como pulseras para las muñecas, teléfonos inteligentes, anillos que recopilan información, como frecuencia cardíaca, acelerometría y fotopletismografía (para la detección de arritmias o hipertensión).

De hecho, estos dispositivos pueden tener recomendaciones personalizadas para la prevención de comportamientos biológicos y podrían ser una alternativa útil para la "monitorización en casa" de grupos vulnerables o con difícil acceso a infraestructura de salud.

Por otro lado, la radiómica, que consiste en la extracción de descriptores de imágenes médicas cuantitativas de alta dimensión, identifica patrones y características no evidentes a simple vista.

Esta herramienta se utiliza para reconocer biomarcadores pronósticos de forma no invasiva, evaluación de respuestas automatizadas y diferenciación entre cambios relacionados con tratamiento o progresión tumoral, predicción del inicio y duración de una crisis epiléptica o determinación de eventos cardiovasculares.

La integración de la ómica multimodal, enfoque de análisis biológico que combina múltiples disciplinas "ómicas" para obtener una comprensión más integral de los sistemas biológicos, puede ofrecer un panorama integral a los mecanismos de la enfermedad neurológica. Esta técnica se usa de forma simultánea para inferir la genética en diversos subtipos de enfermedades.

Actualmente la mayoría de los modelos de inteligencia artificial se enfoca en unos cuantos tipos de tareas y a partir de esto surge la necesidad de abordajes multimodales, como la identificación de diversos patrones retinianos para predecir un evento cardiovascular.

En epilepsia el desarrollo de cerebros virtuales, es decir, simuladores construidos a partir de datos de imágenes funcionales y estructurales de pacientes, estima la extensión y organización de la zona epileptógena para la planeación del tratamiento quirúrgico en epilepsia focal farmacorresistente. Seguramente este concepto será extrapolado a otras afecciones neurológicas.

A la par, considerando lo expuesto, resulta imprescindible plantear un cambio en la formación de los neurólogos, pues las y los profesionistas asumen el reto del incremento exponencial de conocimiento, avances tecnológicos en salud digital, inteligencia artificial y aprendizaje de las máquinas.

De hecho, se estima que el 30 % del trabajo de rutina en el cuidado de la salud puede eliminarse por la interacción entre humanos y máquinas.

Sin embargo, es clara la preocupación entre especialistas en neurología y quizá será menor la automatización en el caso de profesionales de la salud cuyas actividades requieren pericia y contacto directo con pacientes.

Actualmente, la inteligencia artificial ya se aplica con éxito a la interpretación de electroencefalogramas y en distintos escenarios clínicos de neurooftalmología y neuroimagen. Sin embargo, su integración en la práctica neurológica requiere la aceptación tanto de profesionales de la salud como de pacientes.

Por una parte el equipo médico suele mostrar recelo ante desafíos éticos, mientras que los pacientes temen que estos sistemas cambien la relación médico-paciente o la eficiancia en la toma de decisiones.

En este contexto, un número creciente de usuarios opta por un modelo híbrido, en el que las recomendaciones automatizadas se complementan con el criterio directo del especialista.

Definitivamente el futuro de la práctica neurológica luce esperanzador, con grandes innovaciones en la atención médica y tal vez para 2050 los modelos de la atención de padecimientos neurológicos sean más integrales, incluidos y personalizados.