Os médicos poderão em breve reduzir os diagnósticos incorretos de epilepsia em até 70% usando uma nova ferramenta que transforma exames de eletroencefalograma, ou EEG, de rotina, que parecem normais, em preditores de epilepsia altamente precisos, segundo um estudo da Universidade Johns Hopkins.

Ao revelar assinaturas ocultas de epilepsia em EEGs aparentemente normais, a ferramenta pode reduzir significativamente os falsos positivos — observados em cerca de 30% dos casos no mundo todo — e poupar os pacientes de efeitos colaterais de medicamentos, restrições de direção e outros desafios de qualidade de vida associados a diagnósticos incorretos.

"Mesmo quando os EEGs parecem completamente normais, nossa ferramenta fornece insights que os tornam acionáveis", disse Sridevi V. Sarma , um professor de engenharia biomédica da Johns Hopkins que liderou o trabalho.

"Podemos chegar ao diagnóstico certo três vezes mais rápido porque os pacientes geralmente precisam de múltiplos EEGs antes que anormalidades sejam detectadas, mesmo se tiverem epilepsia. O diagnóstico precoce preciso significa um caminho mais rápido para um tratamento eficaz."

Um relatório do estudo foi publicado recentemente no Annals of Neurology .

A epilepsia causa convulsões recorrentes e não provocadas, desencadeadas por explosões de atividade elétrica anormal no cérebro. O tratamento padrão envolve gravações de EEG do couro cabeludo durante as avaliações iniciais. Esses testes rastreiam padrões de ondas cerebrais usando pequenos eletrodos colocados no couro cabeludo.

Os clínicos dependem parcialmente dos EEGs para diagnosticar a epilepsia e decidir se os pacientes precisam de medicamentos anticonvulsivantes. No entanto, os EEGs podem ser desafiadores de interpretar porque capturam sinais ruidosos e porque as convulsões raramente ocorrem durante os típicos 20 a 40 minutos de uma gravação de EEG. Essas características tornam o diagnóstico da epilepsia subjetivo e propenso a erros, mesmo para especialistas, explicou Sarma.

Para melhorar a confiabilidade, a equipe de Sarma estudou o que acontece no cérebro de pacientes quando eles não estão tendo convulsões. Sua ferramenta, chamada EpiScalp, usa algoritmos treinados em modelos de rede dinâmica para mapear padrões de ondas cerebrais e identificar sinais ocultos de epilepsia a partir de um único EEG de rotina.

"Se você tem epilepsia, por que não tem convulsões o tempo todo? Nós hipotetizamos que algumas regiões do cérebro agem como inibidores naturais, suprimindo convulsões. É como a resposta imunológica do cérebro à doença", disse Sarma.

O novo estudo analisou 198 pacientes com epilepsia de cinco grandes centros médicos: Johns Hopkins Hospital, Johns Hopkins Bayview Medical Center, University of Pittsburgh Medical Center, University of Maryland Medical Center e Thomas Jefferson University Hospital. Destes 198 pacientes no estudo, 91 pacientes tinham epilepsia, enquanto o restante tinha condições não epilépticas que imitavam epilepsia.

Quando a equipe de Sarma reanalisou os EEGs iniciais usando o EpiScalp, a ferramenta descartou 96% desses falsos positivos, reduzindo potenciais diagnósticos incorretos entre esses casos de 54% para 17%.

"É aqui que nossa ferramenta faz a diferença, porque ela pode nos ajudar a descobrir marcadores de epilepsia em EEGs que parecem pouco informativos, reduzindo o risco de pacientes serem diagnosticados erroneamente e tratados para uma condição que eles não têm", disse Khalil Husari , coautor sênior e professor assistente de neurologia na Johns Hopkins. "Esses pacientes experimentaram efeitos colaterais da medicação anticonvulsiva sem nenhum benefício porque não tinham epilepsia. Sem o diagnóstico correto, não podemos descobrir o que realmente está causando seus sintomas."

Em certos casos, o diagnóstico incorreto acontece devido à interpretação incorreta dos EEGs, explicou Husari, pois os médicos podem diagnosticar excessivamente a epilepsia para evitar os perigos de uma segunda convulsão. Mas, em alguns casos, os pacientes apresentam convulsões não epilépticas, que imitam a epilepsia. Essas condições geralmente podem ser tratadas com terapias que não envolvem medicamentos para epilepsia.

Em trabalhos anteriores, a equipe estudou redes cerebrais epilépticas usando EEGs intracranianos para demonstrar que a zona de início de convulsão está sendo inibida por regiões vizinhas no cérebro quando os pacientes não estão tendo convulsões. O EpiScalp se baseia nessa pesquisa, identificando esses padrões a partir de EEGs de couro cabeludo de rotina.

As abordagens tradicionais para melhorar a interpretação de EEG geralmente se concentram em sinais ou eletrodos individuais. Em vez disso, o EpiScalp analisa como diferentes regiões do cérebro interagem e influenciam umas às outras por meio de uma rede complexa de vias neurais, disse Patrick Myers , primeiro autor e aluno de doutorado em engenharia biomédica na Johns Hopkins.

"Se você apenas observar como os nós estão interagindo uns com os outros dentro da rede cerebral, você pode encontrar esse padrão de nós independentes tentando causar muita atividade e a supressão de nós em uma segunda região, e eles não estão interagindo com o resto do cérebro", disse Myers. "Verificamos se podemos ver esse padrão em algum lugar. Vemos uma região no seu EEG que foi desacoplada do resto da rede cerebral? Uma pessoa saudável não deveria ter isso."

A equipe agora está conduzindo um estudo prospectivo maior para validar ainda mais suas descobertas em três centros de epilepsia e registrou uma patente para a tecnologia EpiScalp em 2023.

Outros autores são Kristin Gunnarsdottir, Adam Li, Alana Tillery, Babitha Haridas e Joon-yi Kang, da Johns Hopkins; Vlad Razskazovskiy, Jorge Gonzalez-Martinez e Anto Bagíc, do Centro Médico da Universidade de Pittsburgh; Dale Wyeth, Edmund Wyeth e Michael Sperling, do Hospital Universitário Thomas Jefferson; Kareem Zaghloul e Sara Inati, do Instituto Nacional de Distúrbios Neurológicos e Derrames Cerebrais, Institutos Nacionais de Saúde; Jennifer Hopp, do Centro Médico da Universidade de Maryland; e Niravkumar Barot, do Centro Médico Beth Israel Deaconess.

A pesquisa foi apoiada pelo Fundo Louis B. Thalheimer para Pesquisa Translacional da Johns Hopkins Technology Ventures , bem como pelo Instituto Nacional de Distúrbios Neurológicos e Derrame Número da bolsa: R35NS132228.