Un equipo de médicos, científicos e ingenieros de Mount Sinai entrenaron un algoritmo de reconocimiento de poses de aprendizaje profundo en transmisiones de video de bebés en la unidad de cuidados intensivos neonatales (UCIN) para rastrear con precisión sus movimientos e identificar métricas neurológicas clave.
Hallazgos de esta nueva herramienta basada en inteligencia artificial (IA), publicados el 11 de noviembre en eClinicalMedicine de Lancet, podría conducir a un método escalable y mínimamente invasivo para la monitorización neurológica continua en las UCIN, proporcionando información crítica en tiempo real sobre la salud infantil que no había sido posible antes.
Cada año, más de 300.000 recién nacidos ingresan en NICU en todo Estados Unidos. El estado de alerta del bebé se considera la parte más sensible del examen neurológico y refleja la integridad de todo el sistema nervioso central. El deterioro neurológico en las UCIN puede ocurrir inesperadamente y tiene consecuencias devastadoras. Sin embargo, a diferencia de la telemetría cardiorrespiratoria, que monitorea continuamente la función cardíaca y pulmonar de los bebés en la UCIN, la neurotelemetría ha seguido siendo difícil de alcanzar en la mayoría de las UCIN a pesar de décadas de trabajo en electroencefalografía (EEG) y neuro-UCIN especializadas. El estado neurológico se evalúa de forma intermitente mediante exámenes físicos que son imprecisos y pueden pasar por alto cambios subagudos.
El equipo de Mount Sinai planteó la hipótesis de que un método de visión por computadora para rastrear el movimiento infantil podría predecir cambios neurológicos en la UCIN. «Pose AI» es un método de aprendizaje automático que rastrea puntos de referencia anatómicos a partir de datos de video; Ha revolucionado el atletismo y la robótica.
El equipo de Mount Sinai entrenó un algoritmo de IA en más de 16.938.000 segundos de secuencias de vídeo de un grupo diverso de 115 bebés en la NICU del Hospital Mount Sinai sometidos a monitorización continua de vídeo EEG. Demostraron que Pose AI puede rastrear con precisión puntos de referencia infantiles a partir de datos de video. Luego utilizaron puntos de referencia anatómicos de los datos del video para predecir dos condiciones críticas (sedación y disfunción cerebral) con alta precisión.
«Aunque muchas unidades de cuidados intensivos neonatales contienen cámaras de video, hasta la fecha no aplican el aprendizaje profundo para monitorear a los pacientes», dijo Felix Richter, MD, PhD, autor principal del artículo e instructor de medicina neonatal en el Departamento de Pediatría de Mount Sinai. . «Nuestro estudio muestra que aplicar un algoritmo de IA a cámaras que monitorean continuamente a los bebés en la UCIN es una forma efectiva de detectar cambios neurológicos temprano, lo que potencialmente permite intervenciones más rápidas y mejores resultados».
El equipo de investigación se sorprendió por lo bien que funcionó Pose AI en diferentes condiciones de iluminación (día, noche o en bebés que recibían fototerapia) y desde diferentes ángulos. También les sorprendió que su índice de movimiento Pose AI estuviera asociado tanto con la edad gestacional como con la edad posnatal.
«Es importante tener en cuenta que este enfoque no reemplaza las evaluaciones de médicos y enfermeras que son críticas en la NICU. Más bien, las aumenta al proporcionar una lectura continua sobre la que luego se puede actuar en un contexto clínico determinado», explicó el Dr. Richter. . «Imaginamos un sistema futuro en el que las cámaras monitoricen continuamente a los bebés en la UCIN, con IA proporcionando una tira de neurotelemetría similar a la frecuencia cardíaca o la monitorización respiratoria, con alertas sobre cambios en los niveles de sedación o disfunción cerebral. Los médicos podrían revisar vídeos y imágenes generadas por IA. información cuando sea necesario, ofreciendo una herramienta intuitiva y fácilmente interpretable para el cuidado de cabecera».
El equipo notó las limitaciones del estudio, incluido el hecho de que los modelos de IA se entrenaron con datos recopilados en una sola institución, lo que significa que este algoritmo y las predicciones neurológicas deben evaluarse con datos de video de otras instituciones y cámaras de video. El equipo de investigación planea probar esta tecnología en otras UCIN y desarrollar ensayos clínicos que evalúen su impacto en la atención. También están explorando su aplicación a otras afecciones neurológicas y ampliando su uso a poblaciones adultas.
«En Mount Sinai, estamos comprometidos a garantizar que se investiguen y aprovechen nuevas posibilidades de inteligencia artificial para mejorar la atención de nuestros pacientes», dijo Girish N. Nadkarni MD, MPH, jefe del sistema de medicina digital y basada en datos, director de Mount Sinai. Centro de Inteligencia Clínica, director del Instituto Charles Bronfman de Medicina Personalizada y coautor del estudio. «Las herramientas de IA ya están avanzando en la atención clínica en todo el Sistema de Salud Mount Sinai, incluso acortando la duración de la estadía, reduciendo los reingresos hospitalarios, ayudando en el diagnóstico del cáncer y la orientación terapéutica, y brindando atención en tiempo real a los pacientes basada en datos fisiológicos generados por dispositivos portátiles. por nombrar algunos. Estamos entusiasmados de poder llevar esta herramienta de IA no invasiva, segura y eficaz a la UCIN para mejorar los resultados de nuestros pacientes más pequeños y frágiles».
