Un estudio de la Universidad de Pensilvania, publicado en Nature Medicine, probó con 13 pacientes un sistema que conecta el electroencefalograma con una aplicación móvil y aprende de las respuestas de quienes experimentan las crisis
Redacción: Redacción Mundo de la Salud
Editor: Karem Díaz S.
Un equipo de investigadores de la Universidad de Pensilvania, en Estados Unidos, ha desarrollado una plataforma de inteligencia artificial que permite a las personas con epilepsia comunicarse directamente con un sistema de monitorización cerebral. En una prueba clínica realizada con 13 pacientes hospitalizados, la tecnología respondió preguntas sobre su actividad neurológica, emitió avisos relacionados con posibles crisis y utilizó las observaciones de los participantes para mejorar sus algoritmos. El resultado más destacado fue una reducción cercana al 80 % en las falsas alarmas de detección de crisis epilépticas.
La investigación fue publicada el 13 de octubre de 2026 en la revista científica Nature Medicine y recibió financiación de los Institutos Nacionales de Salud de Estados Unidos (NIH). El trabajo estuvo encabezado por Zack Goldblum y Haoer Shi, con la participación del neurólogo Brian Litt, profesor de neurología y bioingeniería de la Universidad de Pensilvania.
La principal innovación consiste en establecer una comunicación bidireccional entre el paciente y el dispositivo. Mientras los sistemas convencionales registran señales que posteriormente interpretan los especialistas, la nueva plataforma permite consultar determinados datos en tiempo real y aportar información personal que ayuda a corregir las detecciones automáticas.
Los autores presentan la tecnología como una prueba de concepto. Aunque los resultados iniciales son favorables, todavía no se ha demostrado su eficacia durante el uso cotidiano fuera del hospital ni su capacidad para reducir complicaciones clínicas a largo plazo.
La monitorización de la epilepsia puede generar falsas alarmas
La epilepsia es una enfermedad neurológica caracterizada por una predisposición a presentar crisis recurrentes relacionadas con alteraciones de la actividad eléctrica cerebral. Sus manifestaciones son diversas y no siempre incluyen convulsiones visibles.
Algunas crisis provocan movimientos involuntarios, pérdida de conciencia o rigidez muscular. Otras producen cambios breves en la percepción, el comportamiento o la capacidad de responder al entorno.
Esta diversidad dificulta la identificación automática de todos los episodios. Los dispositivos de electroencefalografía, conocidos como EEG, registran señales eléctricas mediante electrodos colocados sobre el cuero cabelludo o, en determinadas situaciones clínicas, dentro del cráneo.
Los algoritmos analizan esas señales para reconocer patrones compatibles con crisis epilépticas. Sin embargo, algunas variaciones normales de la actividad cerebral pueden confundirse con acontecimientos patológicos y generar alertas que posteriormente deben descartarse.
El problema resulta especialmente importante cuando se pretende utilizar la monitorización durante períodos prolongados. Una cantidad elevada de falsas alarmas puede dificultar la revisión clínica y reducir la utilidad práctica de los avisos.
Las dificultades del diagnóstico también se observan en las epilepsias de ausencia, que pueden confundirse con episodios de distracción. En estos casos, el electroencefalograma aporta información decisiva para distinguir una crisis de otros comportamientos.
Una aplicación permite conversar con el monitor cerebral
Para abordar estas limitaciones, los investigadores desarrollaron una interfaz que combina registros electroencefalográficos, modelos de inteligencia artificial y una aplicación para teléfonos inteligentes.
La plataforma permite que los pacientes formulen preguntas sobre sus propios datos. Por ejemplo, pueden consultar si se detectaron posibles crisis mientras dormían o solicitar información sobre acontecimientos registrados durante su estancia hospitalaria.
El sistema también puede enviar notificaciones y encuestas relacionadas con las señales cerebrales, el sueño y otros aspectos relevantes para el seguimiento de la enfermedad.
La interacción no se limita a mostrar resultados. Cuando el algoritmo identifica un episodio sospechoso, el paciente puede indicar si experimentó síntomas compatibles con una crisis, si considera que la alerta fue incorrecta o si no está seguro de lo ocurrido.
Estas respuestas constituyen una fuente adicional de información para el sistema. Los investigadores las utilizaron para ajustar los modelos de detección y reducir errores posteriores.
La diferencia respecto de un monitor convencional es que el dispositivo deja de funcionar exclusivamente como un registrador de señales para convertirse en una herramienta de intercambio de información entre la persona y el equipo clínico.
Sin embargo, las respuestas de los pacientes no equivalen automáticamente a un diagnóstico. Algunas crisis pueden pasar inadvertidas para quien las experimenta, mientras que determinadas sensaciones pueden confundirse con acontecimientos epilépticos.
El estudio incluyó a 13 pacientes hospitalizados
La evaluación se realizó en la unidad de monitorización de epilepsia del Hospital de la Universidad de Pensilvania, en Filadelfia.
Participaron 13 personas que permanecieron hospitalizadas durante varios días para someterse a registros continuos de actividad cerebral mediante videoelectroencefalografía.
Once participantes utilizaron electrodos sobre el cuero cabelludo y dos fueron monitorizados mediante registros intracraneales.
Esta distinción es importante porque ambos procedimientos permiten obtener información cerebral, pero difieren en su invasividad y en las características de las señales registradas.
La monitorización intracraneal se reserva para situaciones clínicas seleccionadas, especialmente cuando es necesario localizar con mayor precisión el origen de determinadas crisis.
Investigaciones anteriores han mostrado que identificar correctamente el origen de las corrientes eléctricas cerebrales puede contribuir a planificar tratamientos personalizados y evitar interpretaciones erróneas de los registros.
En el nuevo estudio, los pacientes utilizaron una aplicación móvil para intercambiar mensajes con la plataforma durante su estancia hospitalaria. El equipo examinó tanto la calidad de las respuestas como la participación de los usuarios y los cambios en el rendimiento del detector de crisis.
Más de 1.300 mensajes permitieron evaluar la comunicación
Durante la investigación se registraron más de 1.300 mensajes intercambiados entre los participantes y el sistema.
La inteligencia artificial proporcionó respuestas consideradas precisas y pertinentes a más del 92 % de las preguntas relacionadas con la actividad cerebral.
Los pacientes también participaron activamente en la revisión de las alertas. Respondieron a más del 67 % de las detecciones de posibles crisis que recibieron durante el estudio.
En sus respuestas podían confirmar el episodio, rechazarlo o expresar incertidumbre.
Estos datos muestran que, al menos en las condiciones hospitalarias evaluadas, los participantes pudieron interactuar con la herramienta y aportar observaciones útiles para el procesamiento de sus registros.
La aceptación de una aplicación sanitaria es un aspecto relevante, pero no equivale por sí sola a demostrar beneficios clínicos.
Una tecnología puede resultar comprensible y generar participación sin que todavía se conozca su efecto sobre la frecuencia de las crisis, la seguridad de los pacientes o su calidad de vida.
Por eso, los investigadores diferenciaron las medidas de interacción con la plataforma de las pruebas utilizadas para estudiar la precisión de sus algoritmos.
Las falsas alarmas disminuyeron aproximadamente un 80 %
El resultado técnico más destacado apareció cuando los científicos utilizaron las respuestas de los pacientes para reajustar los modelos de detección.
En una evaluación que simuló la actualización progresiva del algoritmo a lo largo de la estancia hospitalaria, la tasa de falsas alarmas descendió aproximadamente un 77,2 %.
La frecuencia mediana pasó de alrededor de 0,469 falsas alarmas por hora a 0,097 por hora.
El estudio también identificó mejoras en otras medidas del rendimiento del detector, mientras se mantenía la sensibilidad basal observada en el análisis.
Cuando los investigadores incorporaron adicionalmente información revisada por especialistas, la frecuencia de falsas alarmas se redujo todavía más.
Estos resultados sugieren que las observaciones de los pacientes pueden complementar el trabajo de los profesionales sanitarios y mejorar el funcionamiento de los sistemas automáticos.
Sin embargo, existe un matiz metodológico importante: la mejora del detector se evaluó mediante un procedimiento de simulación seudoprospectiva que utilizó los datos recogidos durante la hospitalización.
Esto significa que los investigadores estudiaron cómo habría funcionado el algoritmo si se hubiera actualizado progresivamente con la información disponible. No constituye una demostración de que el sistema ya haya reducido en esa proporción las falsas alarmas durante meses de utilización doméstica.
El número reducido de participantes también limita la precisión con la que pueden estimarse los resultados para poblaciones más amplias.
El paciente aporta información que los sensores no siempre registran
Uno de los fundamentos de la investigación es que los dispositivos médicos y las personas que los utilizan disponen de información diferente, pero potencialmente complementaria.
El electroencefalograma registra señales eléctricas que pueden revelar acontecimientos no percibidos conscientemente por el paciente.
Por su parte, la persona puede describir síntomas, sensaciones o circunstancias que no aparecen directamente en el registro cerebral.
Esta combinación permite estudiar relaciones entre los datos fisiológicos y la experiencia individual.
Los investigadores consideran que una interfaz conversacional puede facilitar ese intercambio sin exigir que el paciente comprenda los detalles técnicos del electroencefalograma.
El sistema también abre la posibilidad de analizar cómo determinados comportamientos se relacionan con las señales registradas, aunque identificar una asociación no significa demostrar que un comportamiento haya provocado una crisis.
El diagnóstico y seguimiento de la epilepsia continúan requiriendo interpretación clínica. La evaluación de los síntomas y las circunstancias de las convulsiones sigue siendo importante para distinguir diferentes causas y determinar cuándo se necesita atención urgente.
La plataforma desarrollada en Pensilvania busca ampliar la información disponible para estas decisiones, no sustituir el criterio del neurólogo.
La inteligencia artificial necesita controles de seguridad
La incorporación de modelos conversacionales a dispositivos médicos plantea exigencias diferentes de las que se aplican a una aplicación informativa convencional.
Las respuestas pueden influir en la percepción que tiene una persona sobre su enfermedad y en las decisiones que toma después de recibir una alerta.
Por esa razón, los investigadores diseñaron la plataforma para trabajar con información fisiológica y mecanismos de control destinados a limitar respuestas inadecuadas.
El estudio utilizó entornos informáticos preparados para el tratamiento seguro de datos sanitarios conforme a los requisitos aplicables en Estados Unidos.
Sin embargo, la seguridad de una plataforma no depende únicamente de proteger los datos. También requiere evaluar la exactitud de las respuestas, los posibles errores de interpretación y la manera en que el sistema comunica incertidumbre.
Una alerta incorrecta puede generar preocupación innecesaria, mientras que una detección omitida podría producir una falsa sensación de seguridad.
El trabajo publicado en Nature Medicine representa una evaluación inicial de estas capacidades, pero no sustituye los procesos de validación clínica y regulatoria necesarios antes de una utilización más amplia.
La tecnología todavía no está preparada para su uso generalizado
Los autores reconocen que la investigación se desarrolló en un entorno muy controlado.
Los participantes permanecían hospitalizados y sus registros podían revisarse mediante procedimientos clínicos especializados. La duración de la prueba fue limitada y no permitió evaluar la evolución de la enfermedad durante meses o años.
El estudio tampoco demostró que la aplicación reduzca la cantidad de crisis, evite lesiones o mejore la supervivencia.
Su principal resultado corresponde a la interacción entre pacientes y dispositivos y al rendimiento de los algoritmos de detección.
La transición hacia el uso domiciliario plantea nuevas preguntas. Entre ellas se encuentran la estabilidad de las conexiones, la calidad de los registros fuera del hospital, la frecuencia de interacción de los usuarios y la capacidad de mantener resultados fiables durante períodos prolongados.
También será necesario determinar si la herramienta funciona de manera semejante en personas con distintos tipos de epilepsia y diferentes capacidades de comunicación.
La investigación sobre tecnologías de monitorización cerebral ya había explorado electrodos más flexibles y discretos para registrar la actividad eléctrica del cerebro. La nueva plataforma aborda un desafío diferente: convertir esos registros en información que pueda intercambiarse y utilizarse durante la atención.
Los investigadores preparan estudios fuera del hospital
Tras los resultados iniciales, el equipo de la Universidad de Pensilvania plantea ampliar la evaluación de la plataforma a entornos ambulatorios.
El objetivo será comprobar si la comunicación bidireccional conserva su utilidad cuando las personas realizan sus actividades habituales y no cuentan con supervisión hospitalaria continua.
Los investigadores también preparan aplicaciones relacionadas con dispositivos de estimulación cerebral profunda utilizados en pacientes con enfermedad de Parkinson.
Esta posible extensión se basa en la idea de que otros dispositivos médicos podrían beneficiarse de una comunicación más directa con quienes los utilizan.
No obstante, los resultados obtenidos en epilepsia no pueden trasladarse automáticamente a enfermedades diferentes. Cada aplicación deberá demostrar su seguridad, precisión y utilidad clínica en la población correspondiente.
La respuesta de los participantes fue favorable durante la prueba inicial. Según los autores, cinco de los 13 pacientes solicitaron espontáneamente la posibilidad de continuar utilizando el sistema después del alta hospitalaria.
La solicitud refleja interés por acceder a los propios datos de salud, aunque todavía no demuestra que la herramienta mejore la adherencia terapéutica o los resultados médicos a largo plazo.
Un nuevo modelo de colaboración entre pacientes y dispositivos médicos
La investigación introduce una forma de utilizar la inteligencia artificial que no depende exclusivamente de automatizar la interpretación de señales.
En lugar de limitarse a producir una predicción, la plataforma permite que el paciente participe en la revisión de los acontecimientos detectados y contribuya al aprendizaje del algoritmo.
Esta colaboración puede resultar especialmente interesante en enfermedades que requieren seguimiento prolongado y presentan manifestaciones variables entre personas.
Sin embargo, la experiencia de cada paciente no reemplaza la validación médica. El sistema debe combinar los datos aportados por los usuarios con registros fisiológicos y supervisión especializada.
La publicación en Nature Medicine proporciona una demostración inicial de que este intercambio puede realizarse durante la monitorización hospitalaria de la epilepsia.
Los resultados más concretos son la participación de 13 pacientes, más de 1.300 mensajes intercambiados, respuestas pertinentes a más del 92 % de las consultas sobre actividad cerebral y una reducción cercana al 80 % en las falsas alarmas durante la evaluación del reajuste del detector.
La siguiente etapa será comprobar si estas mejoras pueden reproducirse en estudios más amplios, durante períodos prolongados y en condiciones de uso cotidiano. Hasta entonces, la plataforma debe considerarse una tecnología experimental de apoyo a la monitorización, no un sustituto de los tratamientos antiepilépticos ni de la evaluación neurológica.
Fuentes referenciales:
Nature Medicine — Human–artificial intelligence collaboration for comanaging epilepsy in real time, 13 de octubre de 2026
Penn Medicine — Comunicado oficial de la Universidad de Pensilvania, 13 de octubre de 2026
Institutos Nacionales de Salud de Estados Unidos — Evaluación de la plataforma de monitorización de epilepsia, 13 de octubre de 2026
