Investigadores de la Universidad de Colorado desarrollan un modelo computacional capaz de simular y predecir la regulación vascular cerebral a partir de datos clínicos limitados.
El cerebro es el órgano del cuerpo humano más vulnerable a las interrupciones en el suministro de sangre. Mientras otros tejidos pueden tolerar entre 20 y 40 minutos sin flujo sanguíneo, el tejido cerebral comienza a sufrir daño irreversible en menos de cinco minutos. A pesar de esa fragilidad, las herramientas disponibles en la práctica clínica para medir y anticipar el flujo sanguíneo cerebral en pacientes con lesiones neurológicas graves siguen siendo escasas. Un equipo de investigadores de la Universidad de Colorado y la Universidad de Columbia publicó en npj Digital Medicine journal un estudio que introduce CereBRLSIM, un gemelo digital del sistema vascular cerebral diseñado para inferir y predecir la dinámica del flujo sanguíneo en pacientes neurocríticos.
El concepto de gemelo digital or digital twin consiste en sincronizar un modelo matemático con los datos reales de un paciente para obtener una representación individualizada de su fisiología. A diferencia de los modelos estadísticos convencionales, que aprenden patrones a partir de grandes volúmenes de datos históricos, CereBRLSIM está construido sobre principios físicos y fisiológicos que describen cómo funciona la vasculatura cerebral. El modelo incorpora tres mecanismos de regulación vascular cerebral, el miogénico, el endotelial y el metabólico, cada uno de los cuales responde a distintos desencadenantes fisiológicos y opera en escalas de tiempo diferenciadas. El mecanismo miogénico se activa ante cambios en la tensión de la pared arterial, el endotelial responde al estrés de cizallamiento sobre las células del endotelio vascular, y el metabólico ajusta el flujo en función de los gases en sangre y la actividad cerebral.
La relevancia de modelar estos tres mecanismos por separado radica en que su funcionamiento varía considerablemente entre pacientes y según el tipo de lesión. En entornos de cuidados intensivos, esta variabilidad es precisamente lo que hace tan difícil gestionar el flujo sanguíneo cerebral de forma personalizada. Para integrar esta heterogeneidad, CereBRLSIM estima parámetros individualizados que representan el nivel de funcionalidad de cada mecanismo en un paciente concreto, y lo hace a partir de datos clínicos que ya se recogen de rutina en unidades de neurocuidados: presión arterial, presión intracraneal, CO2 espirado y tensión de oxígeno en tejido cerebral.
El equipo validó el modelo en dos etapas. Primero, verificó que CereBRLSIM reproducía correctamente las respuestas vasculares observadas en experimentos controlados en sujetos sanos, incluyendo pruebas de autorregulación dinámica, dilatación mediada por flujo y acoplamiento neurovascular. Después, personalizó el modelo con datos de seis pacientes con lesión cerebral traumática ingresados en cuidados intensivos. En este contexto clínico, CereBRLSIM no solo predijo el flujo sanguíneo cerebral con menor error que los modelos de machine learning de referencia, sino que también fue capaz de anticipar el flujo una hora hacia adelante en tiempo real, tardando apenas poco más de un segundo en completar ese cálculo.
Entre los hallazgos más relevantes, los investigadores observaron que el parámetro correspondiente al mecanismo metabólico mostró una correlación lineal con la escala de recuperación neurológica Glasgow Outcome Scale-Extended seis meses después del alta, lo que sugiere que los parámetros del modelo podrían funcionar como biomarcadores computacionales con valor pronóstico. Los autores advierten, sin embargo, que estos resultados deben interpretarse con cautela debido al tamaño tan tamaño reducido de la muestra, y señalan que la validación en cohortes más amplias es una tarea pendiente antes de cualquier aplicación clínica.
Los propios autores reconocen que la propuesta es aún conceptual en varios aspectos, pues los parámetros de regulación se asumen estacionarios durante el período de estimación, la validación fisiológica de cada mecanismo individual requeriría experimentos de bloqueo farmacológico o manipulación genética que no se han realizado, y el despliegue en tiempo real bidireccional, requisito definitorio de un gemelo digital operativo, queda como objetivo de trabajo futuro. Estas limitaciones esta línea de investigación que, de consolidarse, podría ofrecer a los médicos una oportunidad hacia procesos fisiológicos cerebrales que hoy permanecen fuera del alcance de la medición directa.
