IA4ICTUS: nuevo paradigma de neurorrehabilitación de precisión apoyado por IA

El ictus sigue siendo la principal causa de discapacidad neurológica adquirida en personas adultas, con secuelas que afectan la motricidad, la cognición, el lenguaje y la participación social. Aunque los avances en fase aguda han mejorado la supervivencia, la neurorrehabilitación se enfrenta a la enorme variabilidad en la recuperación entre pacientes con lesiones similares y la limitación del modelo actual de toma de decisiones, que se basa en valoraciones y escalas que no captan cambios sutiles. IA4ICTUS quiere dar respuesta a esta necesidad clínica, proponiendo un sistema que integra datos multimodales —clínicos, funcionales, fisiológicos y genéticos— mediante inteligencia artificial (IA) para ofrecer una prescripción adaptativa del tratamiento. El objetivo no es sustituir el trabajo del equipo clínico, sino amplificarlo: detectar precozmente patrones de respuesta, ajustar dinámicamente la intensidad terapéutica y optimizar la toma de decisiones basándose en la evolución real de cada paciente, transformando así la neurorrehabilitación en un proceso verdaderamente personalizado y centrado en la persona.

 

Escrito por: Dr. Juan I. Marín Ojea

Especialista en Medicina Física y Rehabilitación. Servicio de Neurorrehabilitación y Daño Cerebral, Ospitalarioak Fundazioa Euskadi

En el ámbito de la salud neurológica, el ictus se mantiene como la principal causa de discapacidad neurológica adquirida en adultos en nuestro entorno (Winstein et al., 2016; Langhorne, Bernhardt & Kwakkel, 2011). A pesar de los notables avances en la atención de la fase aguda, que han permitido que un mayor número de pacientes sobrevivan y mejoren su pronóstico inicial, un volumen significativo de personas debe convivir con secuelas funcionales persistentes. Estas secuelas trascienden lo puramente motor; impactan la cognición, el lenguaje, la conducta y la participación social, afectando de manera directa la autonomía y la calidad de vida de quienes las padecen.

Ante este escenario, la neurorrehabilitación se erige como la herramienta terapéutica fundamental, ya que actualmente no disponemos de tratamientos farmacológicos que restauren la función perdida. Sin embargo, se trata de un proceso intensivo, complejo y prolongado, donde cada decisión clínica tiene un impacto determinante en el futuro funcional del paciente. En este contexto nace IA4ICTUS, un proyecto que busca transformar la práctica clínica real integrando la inteligencia artificial (IA), no como un fin tecnológico, sino como una respuesta a una necesidad clínica crítica: ¿Cómo podemos tomar mejores decisiones terapéuticas utilizando la vasta información que generamos y que hoy no estamos integrando eficazmente?

El reto de la variabilidad y las limitaciones del modelo actual

Uno de los mayores desafíos en la neurorrehabilitación es la enorme variabilidad en la recuperación. Es común observar cómo dos pacientes con lesiones similares, edades parecidas y programas terapéuticos equivalentes evolucionan de formas drásticamente distintas. Si bien factores como la localización de la lesión, la edad y la comorbilidad explican parte de esta diferencia, existe una variabilidad que hasta ahora se consideraba impredecible (Cramer et al., 2019).

El modelo de toma de decisiones actual, aunque es el mejor fruto de décadas de consenso interdisciplinar y experiencia acumulada, presenta limitaciones estructurales. Este modelo se apoya en valoraciones iniciales exhaustivas, el uso de escalas funcionales validadas y reuniones de equipo para ajustar el tratamiento. A pesar de su valor, este enfoque se basa frecuentemente en información puntual y observaciones subjetivas. Las escalas funcionales, aunque imprescindibles, son medidas discretas que no siempre captan cambios sutiles pero relevantes entre evaluaciones. Además, a menudo se carece de información objetiva sobre la tolerancia al esfuerzo, la fatiga acumulada o las fluctuaciones diarias del paciente, lo que puede llevar a que los ajustes en el tratamiento se realicen con cierto retraso respecto a la evolución real.

La inteligencia artificial como amplificador del juicio clínico

La inteligencia artificial resulta especialmente pertinente en neurorrehabilitación porque está diseñada para manejar problemas complejos, multivariables y dinámicos (Shahsavari et al., 2023; Chen et al., 2020). IA4ICTUS parte de la premisa de que la IA no viene a reemplazar el razonamiento humano, sino a ampliar nuestra capacidad de observación y análisis.

La capacidad de la IA para integrar grandes volúmenes de datos heterogéneos y analizarlos de forma longitudinal permite identificar patrones, tendencias y señales tempranas que a menudo pasan desapercibidas en la práctica diaria. Esto abre la puerta a detectar precozmente complicaciones o, por el contrario, identificar ventanas de oportunidad para ajustar el tratamiento de manera óptima.

Los cuatro pilares del proyecto IA4ICTUS

Para asegurar que la incorporación de la IA sea responsable y efectiva, el proyecto se asienta sobre cuatro principios fundamentales:

• Liderazgo clínico: La tecnología debe estar siempre al servicio del profesional sanitario. La IA actúa como una herramienta de apoyo que enriquece el razonamiento clínico, nunca como un sustituto de la decisión final del equipo.
• Integración en la práctica real: El diseño contempla las limitaciones de los entornos asistenciales cotidianos, como la carga de trabajo y los tiempos ajustados, buscando soluciones que se incorporen de forma razonable al flujo de trabajo.
• Ética y prudencia: Se adopta un enfoque no determinista. Información sensible, como los datos genéticos, nunca se utiliza para etiquetar o excluir pacientes, sino como variables complementarias bajo supervisión profesional.
• Orientación a resultados funcionales: El éxito del proyecto no se mide por su capacidad tecnológica, sino por su capacidad para mejorar la autonomía del paciente y personalizar el proceso rehabilitador.

Arquitectura del sistema: datos multimodales e interoperabilidad

IA4ICTUS propone una plataforma eHealth capaz de unificar información que tradicionalmente ha estado fragmentada. El concepto clave es la integración de datos multimodales, que incluye:

• Datos clínicos: provenientes de la historia médica habitual.
• Medidas funcionales objetivas: a través de herramientas como el asiento inteligente, que permite cuantificar parámetros de control postural y calidad del movimiento en tareas de evaluación y tratamiento.
• Monitorización fisiológica: mediante una pulsera inteligente que registra la respuesta al esfuerzo real, la carga terapéutica y la fatiga durante el día (Coscia et al., 2019).
• Información genética: explorando factores de neuroplasticidad para entender mejor por qué ciertos pacientes responden de forma distinta a estímulos similares.

Un aspecto diferencial es la interoperabilidad de la plataforma. No busca sustituir los sistemas existentes (como la historia clínica electrónica), sino conectarse con ellos, actuando como un espacio de integración que facilite una visión longitudinal del paciente sin incrementar la carga administrativa del equipo.

Hacia la prescripción adaptativa: el núcleo de la innovación

El concepto más disruptivo de IA4ICTUS es la prescripción adaptativa del tratamiento. Actualmente, los programas suelen ser estables durante semanas entre evaluaciones. IA4ICTUS propone un modelo donde el tratamiento sea dinámico y se ajuste continuamente a la respuesta real del paciente.

La IA analiza la historia evolutiva completa para detectar patrones de buena respuesta, estancamiento o mala tolerancia al tratamiento. Esto permite al clínico afinar la intensidad y el tipo de intervención, evitando tanto el infra-tratamiento (estímulo insuficiente) como el sobre-tratamiento (carga excesiva que supera la capacidad de adaptación), situaciones comunes que pueden lastrar la recuperación.

Impacto clínico, organizativo y humano

Desde una perspectiva clínica, ganar tiempo en la toma de decisiones puede marcar la diferencia en el resultado final. Al detectar precozmente que un paciente no evoluciona según lo esperado, el equipo puede replantear objetivos o ajustar el enfoque mucho antes de que el estancamiento sea evidente en las escalas tradicionales.

A nivel de trabajo en equipo, el proyecto aporta una base objetiva común para la discusión interdisciplinar. Al compartir datos comparables y longitudinales, se reduce la variabilidad injustificada entre profesionales y se refuerza una toma de decisiones verdaderamente compartida y centrada en la evolución real del individuo.

Desde el punto de vista del sistema sanitario, la capacidad de objetivar la respuesta al tratamiento permite una optimización de recursos crítica en contextos de alta demanda. Además, la creación de bases de datos estructuradas genera evidencia clínica real que impulsa la mejora continua y la transferencia de conocimiento en el campo de la neurorrehabilitación (Rizzo et al., 2022).

Estado actual y conclusiones

Hoy en día, IA4ICTUS se encuentra en una fase de investigación y desarrollo, trabajando con prototipos funcionales en entornos clínicos reales mediante una colaboración estrecha entre tecnólogos y sanitarios. El objetivo es una validación progresiva y rigurosa antes de su despliegue definitivo.

En conclusión, la neurorrehabilitación es un proceso intrínsecamente complejo y dinámico. IA4ICTUS no pretende ofrecer soluciones automáticas ni simplistas, sino proporcionar las herramientas necesarias para manejar esa complejidad de forma científica y personalizada. Al poner la inteligencia artificial al servicio de la clínica, estamos dando un paso decisivo hacia una rehabilitación que no solo trate la secuela, sino que acompañe de forma precisa y objetiva el potencial de recuperación de cada paciente.

Referencias

• Chen, M., Hao, Y., Cai, Y., Wang, Y., & Sun, C. (2020). Artificial Intelligence in Healthcare: Past, Present and Future. IEEE Access, 8, 146963–147005. https://doi.org/10.1109/ACCESS.2020.3002559
• Coscia, M., et al. (2019). Neurotechnology-aided interventions for upper limb motor rehabilitation in severe chronic stroke. Brain, 142(9), 2542–2558. https://doi.org/10.1093/brain/awz181
• Cramer, S. C., Sur, M., Dobkin, B. H., O’Brien, C., Sanger, T. D., Trojanowski, J. Q., … & Vinogradov, S. (2019). Harnessing neuroplasticity for clinical applications. Brain, 142(7), 1856–1872. https://doi.org/10.1093/brain/awz181
• Langhorne, P., Bernhardt, J., & Kwakkel, G. (2011). Stroke rehabilitation. The Lancet, 377(9778), 1693–1702. https://doi.org/10.1016/S0140-6736(11)60325-5
• Rizzo, J. R., et al. (2022). AI-driven digital health technologies for stroke rehabilitation: Opportunities and challenges. Journal of NeuroEngineering and Rehabilitation, 19(1), 73. https://doi.org/10.1186/s12984-022-01052-5
• Shahsavari, S., et al. (2023). Artificial intelligence in stroke rehabilitation: Current trends, challenges, and future directions. Frontiers in Neurology, 14, 1142378. https://doi.org/10.3389/fneur.2023.1142378
• Winstein, C. J., Stein, J., Arena, R., Bates, B., Cherney, L. R., Cramer, S. C., … & Zorowitz, R. D. (2016). Guidelines for Adult Stroke Rehabilitation and Recovery: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association. Stroke, 47(6), e98–e169. https://doi.org/10.1161/STR.0000000000000098