Epilepsia: un modelo abre la puerta a la farmacoterapia personalizada

El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Reseñado por Susan London | Informes Clínicos | 6 de septiembre de 2022

Conclusión práctica

  • Un modelo de aprendizaje profundo (deep learning) que utiliza datos clínicos recopilados de forma rutinaria funcionó moderadamente bien para predecir la ausencia de convulsiones durante un año en adultos con epilepsia que iniciaron el tratamiento con su primer antiepiléptico.

Relevancia

  • El enfoque actual es en gran parte mediante prueba y error.

Resultados fundamentales

  • Se desarrollaron 6 modelos utilizando diversas técnicas de aprendizaje automático.
  • Eficacia del modelo de transformador (entrenado usando una cohorte agrupada) para predecir la ausencia de convulsiones en un año, en la población de prueba:
    • Área bajo la curva: 0,65 (IC del 95 %, 0,63-0,67).
    • Precisión equilibrada ponderada: 0,62 (IC del 95 %, 0,60-0,64).
    • Sensibilidad: 0,69 (IC del 95 %, 0,66-0,72).
    • Especificidad: 0,55 (IC del 95 %, 0,52-0,58).
  • Eficacia del modelo de transformador (entrenado usando solo la cohorte más grande), en 4 poblaciones de validación externa:
    • Área bajo la curva: 0,52–0,60.
    • Precisión equilibrada ponderada: 0,51–0,62.
  • Variables más importantes del modelo:
    •  >5 convulsiones previas al tratamiento.
    • Presencia de trastornos psiquiátricos.
    • Hallazgos electrocardiográficos.
    • Hallazgos en pruebas de imagen cerebral.
  • El modelo de transformador entrenado con una cohorte agrupada tuvo un área bajo la curva mejor que 2 de los otros modelos.

Comentario experto

  • En un editorial, la doctora Sharon Chiang y el doctor Vikram R. Rao escriben: "Aunque la eficacia actual parece baja, los resultados son prometedores y ampliar los enfoques convencionales de prueba y error para la selección de antiepilépticos con [inteligencia artificial] puede, algún día, contribuir a minimizar la morbilidad relacionada con las convulsiones al facilitar la identificación más temprana del antiepiléptico con más probabilidades de evitar las convulsiones en un personas determinadas. Como tal, los modelos [de aprendizaje automático] abren la puerta a la farmacoterapia personalizada en la epilepsia, un objetivo difícil de alcanzar en la últimas décadas."

Diseño del estudio

  • Estudio de cohortes multinacional (escocesa, malaya, australiana, china) con 1.798 adultos con epilepsia recién diagnosticada que comenzaron con un primer antiepiléptico (7 antiepilépticos utilizados en total en las cohortes).
  • Principal criterio de valoración: rendimiento del modelo para predecir el éxito del tratamiento (ausencia total de convulsiones mientras se toma el primer antiepiléptico como monoterapia durante todo el primer año).
  • Financiación: ninguna declarada.

Limitaciones

  • Generalización desconocida en la población pediátrica.
  • Capacidad limitada para realizar análisis de subgrupos.