Conocimiento Bóveda 3/84 - Escuela de Primavera G.TEC BCI & Neurotecnología 2024 - Día 9
Evaluación de funciones cerebrales preservadas y pronóstico
de resultados en pacientes comatosos tras paro cardíaco
Marzia De Lucia, CHUV (CH))
<Imagen de Resumen >

Gráfico de Conceptos & Resumen usando Claude 3 Opus | Chat GPT4 | Llama 3:

graph LR classDef marzia fill:#f9d4d4, font-weight:bold, font-size:14px classDef coma fill:#d4f9d4, font-weight:bold, font-size:14px classDef tests fill:#d4d4f9, font-weight:bold, font-size:14px classDef deeplearning fill:#f9f9d4, font-weight:bold, font-size:14px classDef future fill:#f9d4f9, font-weight:bold, font-size:14px A["Marzia De Lucia"] --> B["Marzia estudia la función cerebral
en coma post-paro. 1"] A --> C["La mayoría de los pacientes en coma post-paro
tienen baja supervivencia. 2"] C --> D["El pronóstico temprano es crucial para
intervenciones personalizadas. 2"] C --> E["Las pruebas clínicas sugieren malos
resultados, persiste la incertidumbre. 3"] C --> F["El tratamiento limita la fiabilidad de
las pruebas en las primeras 24h. 4"] C --> G["Las pruebas predicen malos resultados,
necesidad de identificar recuperación. 5"] A --> H["Datos de pacientes en coma
en dos hospitales suizos. 6"] A --> I["Estudios tempranos: respuestas EEG
a la negatividad de desajuste auditivo. 7"] I --> J["Pacientes discriminaron sonidos, mejora
día 1-2 predijo recuperación. 8"] I --> K["Discriminación de sonidos preservada, no
predijo resultado por sí sola. 9"] I --> L["Probada sensibilidad a patrones complejos
que requieren conciencia. 10"] L --> M["Usado paradigma local-global que provoca
respuestas EEG tardías. 11"] L --> N["Efecto global en algunos
controles y pacientes. 12"] N --> O["Efecto global posible sin
conciencia, hallazgo debatido. 13"] L --> P["Seguimiento: más pacientes, HD-EEG,
escalas para clarificar. 14"] A --> Q["Predicción de resultados desde EEG en reposo
usando aprendizaje profundo. 15"] Q --> R["Alta precisión prediciendo resultados a 3 meses,
día 1 EEG. 16"] Q --> S["Probabilidad de supervivencia graduada, vínculos
a patrones EEG conocidos. 17"] Q --> T["Capturada información EEG más allá de
evaluaciones clínicas actuales. 18"] Q --> U["Preciso para pacientes en 'zona gris',
pruebas actuales poco claras. 19"] Q --> V["Recuperación vinculada a mayor
alfa/beta en día 1. 20"] Q --> W["Complementa pruebas clínicas, fomenta
adopción clínica de herramientas. 21"] A --> X["Factores que influyen en precisión día 1
vs día 2. 22"] A --> Y["Generalizar a coma más allá de
paro cardíaco, compartir datos/algoritmos. 23"] Y --> Z["Resultados generalizan a través de sistemas EEG,
modelos simples mejores. 24"] Y --> AA["Compartir nuevos conjuntos de datos tras
publicación, invitar colaboración. 25"] Y --> AB["EEG pronóstico puede funcionar
mejor para paro cardíaco. 26"] Y --> AC["Extender a otras causas
como lesión cerebral traumática. 27"] A --> AD["Trabajo relacionado: mapeo EEG
riesgo cardíaco, enfoques complementarios. 28"] A --> AE["Objetivo: mejorar gestión, investigación
a través de compartir datos abiertos. 29"] A --> AF["Optimismo sobre avance en pronóstico
a través de colaboración, nueva tecnología. 30"] class A,B marzia class C,D,E,F,G coma class H,I,J,K,L,M,N,O,P tests class Q,R,S,T,U,V,W,X deeplearning class Y,Z,AA,AB,AC,AD,AE,AF future

Resumen:

1.- Marzia De Lucia estudia funciones cerebrales preservadas en pacientes comatosos tras paro cardíaco para predecir posibilidades de recuperación.

2.- La mayoría de los pacientes en coma tras paro cardíaco tienen bajas tasas de supervivencia. Un pronóstico temprano preciso es importante para intervenciones personalizadas.

3.- Las pruebas clínicas en los primeros 3 días sugieren malos resultados para algunos, pero son inciertas para muchos en la "zona gris".

4.- La mayoría de los pacientes son tratados con manejo de temperatura y sedación en las cruciales primeras 24 horas, limitando la fiabilidad de las pruebas.

5.- Las pruebas clínicas actuales están diseñadas para predecir malos resultados. Se necesita más para identificar pacientes con probabilidad de recuperación.

6.- Se recopilaron datos de pacientes comatosos en dos hospitales principales suizos. Tener datos a través de sitios ayuda a generalizar los hallazgos.

7.- Los estudios tempranos observaron respuestas EEG a paradigmas de negatividad de desajuste auditivo dentro de las 24 horas del inicio del coma.

8.- El análisis de decodificación mostró que los pacientes comatosos podían discriminar sonidos. La mejora del día 1 al 2 predijo el 93% de las recuperaciones.

9.- La prueba complementó las puntuaciones clínicas y podría haber beneficiado a 15/90 pacientes. La discriminación de sonidos se preservó pero no predijo el resultado.

10.- Luego se probó si los pacientes comatosos son sensibles a patrones de sonido más complejos que normalmente requieren conciencia.

11.- Se utilizó un paradigma auditivo local-global que provoca respuestas EEG tardías (>300ms) y recluta una amplia red cortical en personas sanas.

12.- 4/11 controles sanos mostraron efecto global. Decodificación tardía heterogénea de patrones globales en 10/24 pacientes comatosos.

13.- Sugiere que el efecto global no requiere conciencia y puede ocurrir en coma. Provocó debate en la literatura.

14.- Se está realizando un estudio de seguimiento con más pacientes, HD-EEG, escalas de conciencia para clarificar el efecto global en coma.

15.- Otro enfoque observó la predicción de resultados desde el estado de reposo EEG usando aprendizaje profundo en 165 pacientes comatosos.

16.- La validación cruzada de 5 pliegues mostró alta precisión prediciendo resultados a 3 meses, especialmente usando EEG del día 1 vs día 2.

17.- El aprendizaje profundo proporciona probabilidad de supervivencia graduada. Las visualizaciones vincularon la predicción a patrones EEG conocidos.

18.- El aprendizaje profundo capturó información EEG relacionada con el comportamiento en coma más allá de las evaluaciones clínicas actuales.

19.- El aprendizaje profundo fue particularmente preciso para pacientes en la "zona gris" no claramente clasificados por las pruebas actuales.

20.- Mayor probabilidad predicha de recuperación correlacionada con amplitudes EEG más fuertes en bandas alfa/beta en el día 1.

21.- Los resultados sugieren que el aprendizaje profundo del EEG de coma agudo puede predecir con precisión los resultados y complementar las pruebas clínicas.

22.- Se necesita más trabajo sobre los factores que influyen en la precisión del día 1 vs día 2 y fomentar la adopción clínica de herramientas.

23.- Se espera generalizar a coma con otras causas más allá del paro cardíaco. Hacer que los datos/algoritmos estén disponibles abiertamente.

24.- Los resultados parecen generalizarse a través de diferentes sistemas EEG. Los modelos simples se generalizaron mejor que los complejos.

25.- Se planea compartir nuevos conjuntos de datos después de la publicación, además de algunos ya públicos. Invita a la colaboración.

26.- El EEG pronóstico puede funcionar mejor para el coma por paro cardíaco porque el cerebro no está directamente lesionado inicialmente.

27.- Extender los enfoques a otras causas de coma como lesión cerebral traumática que son más heterogéneas.

28.- Menciona trabajo relacionado usando EEG para mapear el riesgo cardíaco por otro grupo. Enfoques complementarios.

29.- El trabajo de pronóstico de coma tiene como objetivo mejorar la gestión clínica y la investigación a través del intercambio de datos abiertos.

30.- El ponente es optimista sobre el avance en el pronóstico del coma a través de la investigación colaborativa utilizando datos compartidos y nuevas tecnologías.

Bóveda del Conocimiento construida porDavid Vivancos 2024