La inteligencia artificial (IA) forma parte, lo sepamos o no, de nuestra vida diaria. El campo de la neurorrehabilitación no es ajeno al surgimiento de estas tecnologías que, quizá, ayuden a optimizar el aprovechamiento del conocimiento disponible para mejorar nuestras evaluaciones e intervenciones.
En la actualidad son los clínicos de los equipos multidisciplinares los que tienen la responsabilidad de analizar la información y realizar el manejo clínico del paciente. Si bien, la posibilidad de modelizar todos los datos disponibles (historias clínicas, neuroimagen, evaluaciones multidisciplinares, teléfonos móviles y otros sensores, etc.) permiten que la IA no sólo tenga en cuenta unas pocas variables, sino que incorpore multitud de elementos, detectando relaciones entre ellos para las que antes éramos ciegos. Las clasificaciones diagnósticas, junto con la detección de patrones hasta ahora invisibles, y el establecimiento de pronósticos ayudará en la mejor toma de decisiones para nuestros pacientes.
Puede que sea posible optimizar el diagnóstico preciso y agilizar la toma de decisiones. La IA puede ayudar en el diagnóstico temprano y preciso de perfiles de pacientes. Los algoritmos de aprendizaje automático pueden analizar la neuroimagen disponible para identificar lesiones cerebrales y el resto de información clínica recabada y ayudar en el señalamiento de los tratamientos más eficientes para cada caso.
Además, mejorará la personalización del tratamiento. Cada paciente tiene necesidades de rehabilitación únicas. La IA puede recopilar y analizar datos biométricos, como las características del movimiento, el rendimiento cognitivo, las capacidades de comunicación, etc. para diseñar programas de rehabilitación personalizados. Estos programas se podrían adaptar continuamente gracias al registro, también automatizado, del progreso del paciente, lo que maximizaría la eficacia de la rehabilitación.
Las posibilidades de supervisión continua permiten a la IA el registro constante del progreso del paciente y la incorporación de esta información en el ajuste de los tratamientos. Los dispositivos portátiles y sensores pueden recopilar datos en tiempo real sobre la actividad física, la postura y otros parámetros relevantes (pérdida de fuerza, caídas, episodios de desorientación, detección de comportamientos disruptivos, adherencia a tratamientos, presencia de dificultades de comunicación, etc.). Los algoritmos de IA pueden analizar estos datos y proporcionar feedback en tiempo real a los pacientes y terapeutas, lo que facilita la corrección de problemas y la mejora de la terapia.
Cabe señalar también la mejora en la predicción de resultados y pronóstico: Los mega análisis realizados podrían ayudar a predecir el resultado de la neurorrehabilitación en función de datos demográficos, situación clínica, progreso de la rehabilitación o desviaciones de un patrón estimado de evolución. Esto ayudaría a los clínicos a establecer expectativas realistas y a ajustar los tratamientos según sea necesario.
Por último, las aplicaciones de la IA en el campo de la investigación también pueden acelerar los avances en el conocimiento en el campo de la neurorrehabilitación. El uso de algoritmos de aprendizaje automático para analizar grandes conjuntos de datos (clínicos, lesionales, genéticos, sociodemográficos, etc.) puede llevar a la rápida detección de patrones, factores predictivos y terapias efectivas asociadas a cada uno de ellos.
En resumen, la IA puede permitir diagnósticos más precisos, programas de rehabilitación personalizados, terapias más atractivas y supervisión continua de la situación y progreso del paciente. Cuando dispongamos de plataformas accesibles con toda esta información disponible, será cuestión de tiempo que sea adoptada por los profesionales. Posiblemente no se podrá reemplazar la toma de decisiones por completo. Cuestiones éticas, la gestión de variables imprevistas, la gestión de las emociones y la escasa experiencia ante situaciones atípicas para las que la IA no haya sido entrenada, aun hacen irremplazable el papel de los profesionales y la observación cuidadosa y atenta de los pacientes y su entorno. Aún existen graves limitaciones para su uso generalizado (el control de los datos, el funcionamiento de los algoritmos de aprendizaje, la confianza en ellos, la existencia de normativas y leyes, etc.). Pero sigamos de cerca estas tecnologías, ya que pueden convertirse en una herramienta de utilidad cotidiana para la personalización de los tratamientos en un futuro próximo.
Marcos Ríos-Lagos
Miembro de la SENR