La computadora determina el estado de conciencia

La conciencia es una idea extraña, incluso sobrenatural. De las tres libras de carne emerge un sentido del cuerpo que lo sostiene y del mundo que lo rodea. Cuando vemos la conciencia, todos la reconocemos, pero ¿qué es exactamente? ¿Adónde va cuando desaparece? La neurociencia no tiene las herramientas para responder estas preguntas, si es que son posibles, pero en un hospital, los médicos deben poder diagnosticar la conciencia. Necesitan saber si el paciente con lesión cerebral es consciente de sí mismo o de su entorno. Este diagnóstico todavía se realiza principalmente mediante un simple examen de cabecera. ¿El paciente sigue órdenes? ¿Hace gestos a propósito o verbalmente, etc.?

Para los pacientes que están en el límite de la conciencia (no despiertos pero no comatosos), definir el estado de conciencia es difícil. Los movimientos y sonidos sin rumbo se parecen mucho a los movimientos y sonidos con propósito. La conciencia viene y va. En muchos casos, se hará un diagnóstico de alto riesgo. Los pacientes se encuentran en un estado de conciencia mínima con algún potencial de recuperación, o se les diagnostica un síndrome de activación insensible, cuyo comportamiento se considera aleatorio y sin rumbo, con pocas esperanzas de recuperación. Es preocupante que estos diagnósticos se mezclen hasta en un 40% de los casos.

Un estudio reciente en la revista Matters cerebro Trate de darle al médico un poco de ayuda. Este artículo detalla un algoritmo de aprendizaje automático que utiliza grabaciones de ondas cerebrales EEG para distinguir los síndromes de vigilia sin respuesta de los estados de conciencia mínima. El algoritmo, si se pone en uso, eliminaría algunas de las conjeturas de este diagnóstico y probablemente superaría a la mayoría de los médicos humanos. Pero el uso de algoritmos para diagnosticar estados mentales plantea cuestiones éticas. ¿Qué tan cómodos nos sentimos entregando este diagnóstico de vida o muerte a las máquinas, especialmente porque nuestro procesamiento de la conciencia, como una idea, es tan trivial?

Encontrar rastros de conciencia en el cerebro no es una idea nueva. Durante décadas, los investigadores han estado estudiando cómo usar técnicas de escaneo cerebral como PET y fMRI para estudiar los bordes de la conciencia. En un estudio histórico de 2014, las tomografías por emisión de positrones (PET) mostraron que en algunos pacientes que fueron diagnosticados (erróneamente) con síndrome de excitación insensible, el cerebro podía responder a las señales. Además, los pacientes con TEP activa tenían más probabilidades de lograr una recuperación significativa.

Este hallazgo sugiere que se deben utilizar exploraciones PET si existe alguna duda sobre el estado de conciencia del paciente. Sin embargo, no todos los hospitales ofrecen exploraciones PET. También son caros, propensos a artefactos y difíciles de interpretar. Una alternativa más fácil de usar es un electroencefalograma, o EEG, en el que se colocan sensores electrónicos en el cuero cabelludo del paciente para detectar actividad a través del cráneo. Cuando se activan suficientes neuronas al mismo tiempo, el EEG registra la actividad cerebral en forma de ondas. En una persona sana, estas ondas fluctúan a frecuencias predecibles. Después de una lesión cerebral, este patrón es menos predecible.

En el nuevo estudio, un equipo del Hospital Pitié-Salpêtrière de París tomó registros de EEG de 268 pacientes diagnosticados con síndrome de despertar insensible o un estado de conciencia mínima. Los EEG se registraron antes y durante las tareas de escucha para comprender el procesamiento consciente de los sonidos. Docenas de aspectos de los datos se introducen en un algoritmo de aprendizaje automático llamado DOC-Forest.

DOC-Forest se desempeña relativamente bien en esta compleja tarea. Alrededor de las tres cuartas partes de los casos se diagnostican correctamente. (Nota: los autores usan una mejor métrica de rendimiento llamada AUC, no precisión. AUC tiene en cuenta la tasa de falsos positivos, que tiene profundas implicaciones aquí).

Los autores también llevan cuidadosamente DOC-Forest a escenarios del mundo real. Introdujeron ruido aleatorio en los datos, simulando diferencias en el proceso de recopilación de datos. Consideraron diferentes arreglos de sensores en el cráneo. También usaron el algoritmo en otro grupo de pacientes en un hospital de Lieja, Bélgica. En cada caso, DOC-Forest funcionó bien, con aproximadamente las mismas métricas de rendimiento.

En cierto modo, este algoritmo de aprendizaje automático es un gran avance. Los datos de EEG son complejos y contienen múltiples dimensiones: tiempo, frecuencia, condiciones de prueba, ubicaciones de sensores, etc. Piensa en páginas y páginas de ondas en la pantalla de una computadora. A menudo, los investigadores se centran en aspectos fácilmente interpretables de los datos, como la aparición de ondas cerebrales específicas durante las tareas de escucha. Sin embargo, este enfoque en la interpretación excluye aspectos potencialmente importantes de los datos. El aprendizaje automático no tiene este sesgo humano hacia la interpretabilidad y la difusión. Solo se enfoca en clasificar los datos correctamente, que es lo que se necesita aquí.

Si se pone en práctica, DOC-Forest podría ser una herramienta útil para neurólogos inexpertos. DOC-Forest atravesará las líneas onduladas de los datos de EEG y ofrecerá la posibilidad de que el paciente tenga cierto nivel de conciencia que el médico inexperto pasa por alto durante su prueba de cabecera. Sin embargo, hay un bucle aquí. El algoritmo fue «entrenado» en casos diagnosticados por neurólogos humanos a través de pruebas de cabecera. Si bien el grupo de Pitié-Salpêtrière pudo seguir a los pacientes a lo largo del tiempo para minimizar los diagnósticos erróneos, el algoritmo solo correlacionó las señales de EEG con esos, aunque más especializados, diagnósticos de cabecera. Sin embargo, en estas pruebas, ¿ni el EEG ni otras pruebas mostraron una forma de conciencia? Recuerde, en realidad no sabemos dónde y cómo surge la conciencia. No tenemos mucha idea de que la experiencia consciente pueda tomar una forma diferente a la de nuestra propia experiencia. Se podría argumentar que nuestra comprensión mínima del problema significa que no deberíamos involucrar a las máquinas todavía. Por otro lado, no está claro si tendremos respuestas satisfactorias a estas preguntas. Entonces, ¿por qué no dejar que una herramienta bien diseñada, como DOC-Forest, ayude a tomar decisiones dentro de nuestra comprensión actual de la conciencia? No hay una respuesta fácil, pero a medida que estas herramientas se acercan al uso diario, probablemente sea algo que deba discutirse.