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.
Datos de esta nueva herramienta basada en inteligencia artificial (IA), publicados el 11 de noviembre La medicina clínica electrónica de The Lancet, podría conducir a un enfoque escalable y mínimamente invasivo para la monitorización neurológica continua en la UCIN, proporcionando información crítica en tiempo real sobre la salud infantil que antes no era posible.
Cada año, más de 300.000 recién nacidos ingresan en NICU en todo Estados Unidos. El estado de alerta pediátrico se considera la parte más sensible del examen neurológico y refleja la integridad de todo el sistema nervioso central. El deterioro neurológico en la UCIN puede ocurrir inesperadamente y tener 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 sigue siendo difícil de alcanzar en la mayoría de las UCIN a pesar de décadas de trabajo en electroencefalografía (EEG) y neuro-UCIN especializadas. Ocasionalmente se evalúa el estado neurológico mediante exámenes físicos que pueden pasar por alto cambios sutiles y subagudos.
El equipo de Mount Sinai planteó la hipótesis de que un sistema de visión por computadora para rastrear los movimientos infantiles 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; Revolucionó 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 115 bebés sometidos a monitorización continua por vídeo EEG en la UCIN. Demostraron que Pose AI podía rastrear con precisión los puntos de referencia del niño a partir de datos de video. Luego utilizaron puntos de referencia anatómicos de los datos del video para predecir dos condiciones complejas: depresión y disfunción cerebral, con alta precisión.
“Aunque muchas unidades de cuidados intensivos neonatales tienen cámaras de video, hasta la fecha no han aplicado el aprendizaje profundo para monitorear a los pacientes”, afirmó 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 una intervención más rápida y mejores resultados”.
El equipo de investigación se sorprendió al ver qué tan bien se desempeñaba la pose de IA en diferentes condiciones de iluminación (día versus noche versus niños que recibían fototerapia) y desde diferentes ángulos. También se sorprendieron al descubrir que su índice de movimiento de IA de postura estaba asociado tanto con la edad gestacional como con la edad posnatal.
“Es importante señalar que este método no reemplaza las evaluaciones críticas de médicos y enfermeras en la UCIN. 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 monitoreen continuamente a los bebés en la NICU, con IA proporcionando una tira de neurotelemetría similar a la monitorización de la frecuencia cardíaca o respiratoria, con alertas de cambios en los niveles de sueño o disfunción cerebral. Los médicos pueden revisar el video y la IA. Insights, cuando es necesario, ofrece una herramienta intuitiva y fácil de interpretar 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 estos algoritmos y predicciones neurológicas deben evaluarse con datos de video de otras instituciones y cámaras de video. El equipo de investigación planea probar la tecnología en otras UCIN y desarrollar ensayos clínicos que evaluarán su impacto en la atención. Están explorando su aplicación a otras afecciones neurológicas y ampliando su uso a la población adulta.
“En Mount Sinai, estamos comprometidos a garantizar que se investigue y utilice el potencial de la nueva inteligencia artificial para mejorar la atención de nuestros pacientes”, afirmó Girish N. Nadkarni, MD, MPH, jefe del sistema de datos impulsados y director de medicina digital, Mount Sinai. Director del Centro de Inteligencia Clínica 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, lo que incluye acortar la duración de las estadías hospitalarias, reducir las admisiones hospitalarias, ayudar al diagnóstico del cáncer y la orientación terapéutica, y brindar atención en tiempo real a los pacientes basada en datos fisiológicos generados a partir de dispositivos portátiles, nuestros más pequeños. , estamos entusiasmados de llevar esta herramienta de IA no invasiva, segura y eficaz a la UCIN para mejorar los resultados de los pacientes más frágiles”.