Guilherme Gozzoli Podolsky Gondim; Renato Máximo Sátiro

DOI: 10.22167/2675-6528-202604419

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La epilepsia del lóbulo temporal (ELT) farmacorresistente representa un desafío clínico complejo, con una parte significativa de pacientes reintervenidos que presentan recurrencia de crisis. El objetivo fue ampliar el análisis de una cohorte retrospectiva de pacientes con ELT farmacorresistente sometidos a reintervención, utilizando técnicas de machine learning (ML) para identificar señales analíticas que pudieran contribuir a la medicina de precisión en cirugía de epilepsia. Se realizó un estudio exploratorio en una cohorte de 27 pacientes adultos reintervenidos entre 1994 y 2014 en un centro terciario. Se aplicaron algoritmos de ML (regresión logística, Random Forest y XGBoost) con validación leave-one-out (LOOCV) a un dataset con 20 features clínicas, incluyendo la postura distónica de miembro superior. Para el desenlace primario de libertad total de crisis (Engel Ia) en el último seguimiento, la regresión logística indicó una señal discriminatoria moderada, con AUC-ROC de 0,655 y sensibilidad de 0,80. El análisis interpretativo por SHAP values identificó el intervalo entre las cirugías, la duración de la epilepsia hasta la primera intervención y el uso de electrocorticografía como variables de mayor contribución. Pacientes con postura distónica de miembro superior presentaron un patrón consistente de mejores desenlaces quirúrgicos. El estudio demostró la viabilidad y el potencial informativo del enfoque exploratorio por ML en cohortes clínicas pequeñas, con perspectiva de replicación en series mayores y contribución al paradigma de medicina de precisión en cirugía de epilepsia.

Palabras clave: Cirugía de epilepsia; Epilepsia del lóbulo temporal; Machine learning; Postura distónica; Valores SHAP.

1. Introducción

La epilepsia es uno de los trastornos neurológicos más prevalentes e incapacitantes, afectando aproximadamente a 50 millones de personas en todo el mundo, con impactos directos en la supervivencia, la calidad de vida, la inserción social y laboral de los afectados (Organización Mundial de la Salud, 2019). Entre los diferentes síndromes epilépticos, la epilepsia del lóbulo temporal (ELT) es el tipo focal más común en adultos, correspondiendo a aproximadamente el 35% de todas las epilepsias, y se asocia frecuentemente con la farmacorresistencia, definida como el fracaso terapéutico tras dos regímenes adecuados de fármacos anticrisis (Kwan et al., 2009).

Para los pacientes con ELT farmacorresistente, el tratamiento estándar, cuando se indica tras una investigación multidisciplinar convergente, es la resección quirúrgica de las estructuras temporales epileptogénicas. Ensayos clínicos aleatorizados han demostrado la superioridad del tratamiento quirúrgico en relación con la farmacoterapia aislada, con tasas de libertad de crisis que varían del 55% al 80% al final del primer año postoperatorio (Wiebe et al., 2001; Engel et al., 2012). En una serie de 621 pacientes del mismo centro del presente estudio, Pereira Dalio et al. (2022) reportaron un 73,6% de pacientes con Engel 1 en seguimiento de hasta 23 años.

A pesar de los resultados favorables del tratamiento quirúrgico, una proporción significativa de pacientes presenta recurrencia de crisis en el período postoperatorio. Tras una nueva investigación multidisciplinaria, la reoperación puede indicarse y resulta en un control satisfactorio de las crisis en el 38% al 76% de los casos, según la serie y los criterios de éxito adoptados (González-Martínez et al., 2007; Grote et al., 2016; Reed et al., 2017). La identificación de factores predictivos de éxito en la reoperación es clínicamente relevante para orientar la indicación quirúrgica y el asesoramiento de los pacientes, pero sigue siendo un desafío dado el pequeño número de casos en cada centro y la heterogeneidad de las poblaciones estudiadas.

En el contexto de la semiología ictal, la postura distónica unilateral de miembro superior contralateral a la zona epileptogénica se reconoce como un marcador lateralizador en crisis temporales, atribuida a la implicación de los núcleos basales durante la propagación ictal (Kotagal et al., 1989; Cleto Dal-Cól et al., 2008). La sustancia negra reticulada es un elemento central del sistema anticonvulsivo endógeno, con un papel modulador documentado en estudios experimentales (Garcia-Cairasco y Sabbatini, 1983; Depaulis et al., 1994; Garcia-Cairasco et al., 2021). Los pacientes que exhiben postura distónica durante la investigación por videoelectroencefalografía pueden, por lo tanto, expresar un circuito anticonvulsivo endógeno funcionalmente activo, con posibles implicaciones sobre el pronóstico quirúrgico.

En este contexto, los enfoques estadísticos tradicionales pueden presentar limitaciones para capturar relaciones multidimensionales entre variables clínicas, especialmente en cohortes pequeñas. La aplicación de técnicas de aprendizaje automático ha surgido como un enfoque analítico complementario, con la capacidad de cuantificar la importancia relativa de los predictores y proporcionar interpretabilidad a través de herramientas como los valores SHAP (Lundberg y Lee, 2017). Más que validar modelos predictivos para aplicación clínica directa, el enfoque de estas aproximaciones en contextos exploratorios es investigar patrones potenciales y generar hipótesis pronósticas que guíen investigaciones futuras.

El presente estudio parte de una cohorte de 27 pacientes adultos con ELT farmacorresistente sometidos a reoperación en un centro terciario universitario del interior del estado de São Paulo entre 1994 y 2014, previamente analizada por métodos estadísticos clásicos en tesis doctoral (Podolsky Gondim, 2023). El objetivo es ampliar el análisis de esta cohorte mediante técnicas de aprendizaje automático en un enfoque exploratorio, incluyendo la postura distónica de miembro superior como variable semiológica de potencial interés pronóstico, con el fin de identificar signos analíticos que puedan contribuir al paradigma de medicina de precisión en cirugía de epilepsia.

2. Material y Métodos

El estudio, observacional retrospectivo y exploratorio, analizó 27 pacientes adultos con epilepsia del lóbulo temporal (ELT) farmacorresistente, reoperados entre 1994 y 2014 en un centro terciario universitario de São Paulo. Los datos se extrajeron de historias clínicas, VEEG e informes radiológicos/anatomopatológicos.

La investigación fue aprobada éticamente (CAEE 65578322.1.0000.5440), con exención de TCLE. Los criterios de inclusión exigieron edad ≥ 18 años en la primera cirugía, diagnóstico de ELT farmacorresistente, evaluación preoperatoria multidisciplinaria, información clínica y quirúrgica completa, y seguimiento mínimo de 12 meses post-reoperación. Se excluyeron pacientes operados en otra institución, con historiales clínicos no disponibles, sometidos a un solo procedimiento quirúrgico o con seguimiento inferior a 12 meses. La cohorte sirvió de base para una tesis doctoral (Podolsky Gondim, 2023).

El “data wrangling” transformó una base de datos original (89 columnas heterogéneas) en una matriz analítica estructurada. Incluyó auditoría, clasificación de variables, extracción de características binarias/categóricas de texto libre y estandarización del desenlace (Escala de Engel). Los datos ausentes fueron imputados por la mediana de las variables de entrenamiento en el bucle de validación, previniendo el “data leakage”.

El conjunto de datos analítico final consistió en 27 observaciones y 20 “características”, distribuidas en los dominios demográfico, clínico, neurofisiológico, radiológico, anatomopatológico, quirúrgico y semiológico. La postura distónica unilateral de miembro superior contralateral a la zona epileptogénica se incluyó como la vigésima “característica”, registrada en informes de VEEG y codificada como binaria (1 = presente; 0 = ausente).

Se definieron cinco desenlaces binarios: Engel I a los 12 meses postoperatorios, Engel I a los 24 meses, Engel I en el último retorno, desenlace favorable (Engel 1-3) en el último retorno, y Engel Ia (totalmente libre de crisis) en el último retorno, siendo este último el desenlace primario. La mediana de seguimiento postoperatorio fue de 126,6 meses.

Se aplicaron tres algoritmos de machine learning (ML) supervisado: regresión logística (RL), Random Forest (RF) y XGBoost. La RL se configuró con regularización L2 (C=0,1) y ponderación de clases. El RF utilizó 200 árboles (profundidad máxima tres, mínimo tres muestras/hoja). El XGBoost empleó 100 estimadores (profundidad máxima dos, tasa de aprendizaje 0,1, “subsampling” 80%). Se eligieron hiperparámetros conservadores para mitigar el “overfitting” debido al N reducido (Peduzzi et al., 1996; James et al., 2021).

El “pipeline” analítico se implementó en Python 3.12, utilizando las bibliotecas “scikit-learn” (Pedregosa et al., 2011), “XGBoost” (Chen y Guestrin, 2016) y “SHAP” (Lundberg y Lee, 2017). La validación se realizó mediante “leave-one-out cross-validation” (LOOCV), dada la muestra de 27 observaciones (Kohavi, 1995). Cada observación se excluyó secuencialmente del entrenamiento y se utilizó como conjunto de prueba.

Las métricas evaluadas incluyeron AUC-ROC (primaria), F1-score, sensibilidad y especificidad (Hanley y Mcneil, 1982). El rendimiento se interpretó como una señal predictiva potencial, no como una estimación definitiva del rendimiento clínico. Este enfoque exploratorio tuvo como objetivo generar hipótesis pronósticas para futuras investigaciones, dada la muestra limitada.

Para el análisis interpretativo de los modelos, se calcularon los “SHAP values” para los modelos de regresión logística (“LinearExplainer”) y Random Forest (“TreeExplainer”), entrenados en el conjunto completo de datos. Los “SHAP values” cuantifican la contribución marginal de cada característica a la predicción individual de cada observación (Lundberg y Lee, 2017; Molnar, 2022), permitiendo identificar patrones de contribución relativa de las variables.

El estudio, de carácter exploratorio, se centró en la investigación de patrones potenciales en datos clínicos a pequeña escala, sin pretensión de validación predictiva definitiva o generalización poblacional. El “pipeline” analítico comprendió curación de datos, ingeniería de “features”, modelado e interpretación. Las decisiones metodológicas se basaron en criterios teóricos, estadísticos y clínicos, y el “pipeline” se estructuró para garantizar la reproducibilidad, con una descripción completa en los Apéndices A y B del trabajo original.

3. Resultados y Discusión

La curación de datos, etapa fundamental para la aplicación de técnicas de aprendizaje automático, resultó en la estructuración de un dataset analítico robusto, compuesto por 27 observaciones y 20 “features” distintas. Este proceso fue esencial para transformar la hoja de cálculo clínica original, que contenía 89 columnas en formato heterogéneo, en una matriz estandarizada y apta para análisis. La transición de datos brutos a un formato estructurado permitió la extracción de variables binarias y categóricas a partir de campos de texto libre, además de la estandarización de la variable de desenlace, originalmente presentada en 21 variaciones textuales, a las clases de la Escala de Engel en tres momentos de seguimiento.

El análisis exploratorio de los datos reveló características demográficas y clínicas consistentes con las poblaciones estudiadas en cirugía de epilepsia del lóbulo temporal. La cohorte presentó una proporción de 1,25 hombres por cada mujer, lo que indica un ligero predominio masculino. La mediana de edad de inicio de las crisis epilépticas fue de 12 años, con un rango entre 1 y 28 años, mientras que la mediana de edad en la primera cirugía fue de 35 años y en la reoperación, de 41 años. Estos datos temporales son cruciales para comprender la evolución de la enfermedad y la ventana de intervención quirúrgica.

En cuanto a la etiología, la esclerosis hipocampal fue la causa predominante, identificada en el 74,1% de los pacientes, un hallazgo que corrobora la literatura sobre ELT farmacorresistente. Adicionalmente, el 51,85% de los pacientes presentaban comorbilidades psiquiátricas diagnosticadas, resaltando la complejidad del perfil clínico de estos individuos. El procedimiento quirúrgico más frecuente en el primer abordaje fue la amigdalohipocampectomía selectiva, realizada en el 66,7% de los casos, reflejando la práctica quirúrgica predominante en el centro de referencia.

Un hallazgo semiológico de particular interés fue la presencia de postura distónica unilateral de miembro superior contralateral a la zona epileptogénica, observada en 12 pacientes, lo que corresponde a 44,4% de la cohorte. Esta variable fue codificada como binaria (1 para presente y 0 para ausente) a partir de los informes de videoelectroencefalografía (VEEG), siendo incluida en el dataset debido a su plausibilidad biológica como marcador del sistema anticonvulsivo endógeno mediado por los núcleos de la base, conforme se discute en la introducción.

La evolución temporal de los resultados quirúrgicos, evaluada por la Escala de Engel, demostró una disminución progresiva en la tasa de libertad de crisis a lo largo del seguimiento. Se observó que el 55,6% de los pacientes alcanzaron Engel 1 a los 12 meses post-reoperación, porcentaje que disminuyó al 48,2% a los 24 meses y, finalmente, al 37,0% en el último retorno ambulatorio. La mediana de seguimiento post-reoperación fue de 126,6 meses, lo que indica un seguimiento a largo plazo, y estos resultados son consistentes con la literatura y con el estudio original que dio origen a esta cohorte (Podolsky Gondim, 2023).

Señal predictiva de los modelos — resultados exploratorios

La aplicación de algoritmos de machine learning supervisado, incluyendo regresión logística, Random Forest y XGBoost, con validación leave-one-out cross-validation (LOOCV), permitió un análisis exploratorio de la señal predictiva de los modelos para los desenlaces quirúrgicos. En un contexto de tamaño muestral reducido, con 27 observaciones, la regresión logística demostró un rendimiento superior o equivalente a los modelos “ensemble” (Random Forest y XGBoost) en todos los desenlaces evaluados. Este resultado es consistente con la literatura, que sugiere que modelos más simples y regularizados tienden a generalizar mejor en datasets pequeños (James et al., 2021).

Los modelos Random Forest y XGBoost, por su parte, presentaron inestabilidad en las métricas de clasificación, especialmente para desenlaces con elevado desbalanceo de clases. Esta inestabilidad es una limitación esperada en estudios con un número reducido de observaciones, como el presente, y refuerza la naturaleza exploratoria de los hallazgos. Las métricas de desempeño, incluyendo AUC-ROC, F1-score, sensibilidad y especificidad, fueron calculadas para cada uno de los cinco desenlaces binarios definidos, con el objetivo de identificar potenciales señales predictivas, y no de proporcionar estimaciones definitivas de rendimiento clínico.

Para el desenlace primario del estudio, definido como libertad total de crisis (Engel Ia) en el último retorno ambulatorio, la regresión logística indicó una señal discriminatoria moderada. El modelo alcanzó un valor de AUC-ROC de 0,655, con una sensibilidad de 0,80 y una especificidad de 0,727. La sensibilidad elevada, de 0,80, es particularmente relevante en el contexto de la indicación quirúrgica, ya que sugiere la capacidad del modelo para identificar pacientes con mayor potencial de éxito, lo que tiene implicaciones directas en la toma de decisiones clínicas, aunque la validación definitiva exija cohortes de mayor dimensión.

En relación al desenlace de Engel I en el último seguimiento, que incluye pacientes con crisis áureas o no incapacitantes, la regresión logística obtuvo un AUC de 0,653, con una especificidad de 0,765. Este resultado también sugiere la presencia de un patrón predictivo en los datos para el dominio de seguimiento prolongado. El análisis de los desenlaces a los 12 y 24 meses post-reoperación también indicó señales predictivas moderadas para la regresión logística, con AUC-ROC de 0,633 y 0,643, respectivamente, reforzando la consistencia de los hallazgos exploratorios para diferentes períodos de seguimiento.

Es importante destacar que la interpretación de estos valores debe considerar el carácter exploratorio del estudio y el tamaño muestral limitado. Las métricas de rendimiento no deben ser vistas como validación para aplicación predictiva directa, sino como indicadores de un potencial predictivo que justifica investigaciones futuras en cohortes mayores. La imputación de datos ausentes se realizó de forma a prevenir “data leakage”, garantizando la integridad del proceso de validación LOOCV y la confiabilidad de las señales exploratorias identificadas.

Análisis interpretativo — valores SHAP

El análisis interpretativo de los modelos, realizado a través de los “SHAP values” para los modelos de regresión logística y Random Forest, proporcionó valiosos conocimientos sobre la contribución relativa de cada “feature” a la predicción de los resultados. Este enfoque, llevado a cabo con fines exclusivamente exploratorios en el modelo entrenado en el conjunto de datos completo, reveló patrones de contribución consistentes entre los diferentes modelos y resultados. Los “SHAP values” cuantifican la contribución marginal de cada variable a la predicción individual, permitiendo identificar los predictores más influyentes.

El intervalo entre la primera cirugía y la reoperación (Cx1→Cx2) emergió como la variable de mayor contribución relativa en el modelo Random Forest para cuatro de los cinco resultados evaluados, y estuvo consistentemente entre las tres principales variables en el modelo de regresión logística para todos los resultados. Este hallazgo sugiere que el tiempo transcurrido entre las intervenciones quirúrgicas tiene un peso significativo en el pronóstico de la reoperación. La duración de la epilepsia hasta la primera cirugía y la edad de inicio de las crisis también aparecieron de forma consistente entre las variables de mayor contribución para el resultado primario de libertad total de crisis.

Otras variables que demostraron una contribución relevante para los desenlaces de seguimiento tardío incluyeron el uso de electrocorticografía (ECoG) y la recurrencia temprana de crisis después de la primera cirugía. Estos hallazgos corroboran resultados estadísticamente significativos del estudio original, que señaló p-valores de 0,0044 y 0,0329, respectivamente, para estas variables. El análisis por SHAP values, por lo tanto, no solo confirmó la importancia de predictores ya conocidos, sino que también destacó la relevancia de variables continuas que no habían sido capturadas como estadísticamente significativas en el análisis univariado previo del doctorado.

El análisis de consenso, que identificó las variables más consistentemente presentes en el “top-5” de contribución “SHAP” entre los cinco desenlaces, solidificó la importancia de un núcleo de predictores temporales. Este núcleo está compuesto por el intervalo entre la primera y la segunda cirugía, la duración de la epilepsia hasta la primera intervención y la edad de inicio de las crisis. La capacidad de los modelos de machine learning para posicionar consistentemente estas variables como las de mayor contribución discriminativa, incluso en una cohorte pequeña, subraya el potencial de estas técnicas para desentrañar patrones complejos en datos clínicos.

La justificación biológica de la relevancia de estos predictores temporales es plausible. Un intervalo más largo entre la primera y la segunda cirugía puede indicar una recurrencia más tardía de las crisis, lo que, a su vez, puede sugerir que la zona epileptogénica se controló inicialmente mejor y que el circuito epiléptico estaba más circunscrito, haciéndolo potencialmente más sensible a una segunda intervención. Por el contrario, una duración prolongada de la epilepsia antes de la primera cirugía se asocia frecuentemente con cambios progresivos en la plasticidad neuronal y una zona epileptogénica más difusa y consolidada, lo que dificulta el control definitivo de las crisis tras cualquier enfoque quirúrgico (Jehi, 2018).

Esta complementariedad entre los hallazgos del machine learning y el racional clínico es un aspecto central del análisis interpretativo por SHAP values en un contexto exploratorio. La herramienta permite no solo identificar variables de contribución, sino también contextualizarlas dentro del conocimiento fisiopatológico existente, generando hipótesis pronósticas que pueden ser probadas en estudios futuros. Es crucial enfatizar que este análisis no se destina a inferir causalidad ni a proporcionar validación estadística formal, sino a servir como un medio para la generación de nuevas hipótesis de investigación.

Postura distónica de miembro superior — hipótesis pronóstica con plausibilidad biológica

El análisis comparativo entre pacientes que presentaban postura distónica unilateral de miembro superior y aquellos que no la exhibían reveló un patrón consistente de mejores resultados quirúrgicos en el grupo con la presencia de este signo semiológico. Este patrón se observó en todos los momentos de evaluación postoperatoria. Aunque los hallazgos deben interpretarse como una hipótesis exploratoria, los deltas observados fueron clínicamente sugestivos: hubo un aumento de 16,7 puntos porcentuales en la tasa de Engel I a los 12 meses y de 10,0 puntos porcentuales en la tasa de Engel I en el último retorno para el grupo con postura distónica, con patrones análogos en los demás resultados.

La plausibilidad biológica para este hallazgo es robusta y consistente con la literatura existente. La postura distónica contralateral a la zona epileptogénica durante crisis temporales es reconocida como un marcador lateralizador, atribuida al reclutamiento de los circuitos de los núcleos basales, específicamente la vía córtico-estriado-nigral, durante la propagación ictal (Kotagal et al., 1989). El involucramiento de estas estructuras no es un fenómeno accesorio, sino un indicativo de la activación del sistema anticonvulsivo endógeno, con la sustancia negra reticulada (SNr) desempeñando un papel central y modulador en diferentes tipos de crisis convulsivas, según lo documentado en estudios experimentales a lo largo de décadas (Garcia-Cairasco y Sabbatini, 1983; Depaulis et al., 1994; Garcia-Cairasco et al., 2021).

En este contexto, la presencia de postura distónica durante las crisis registradas por videoelectroencefalografía (VEEG) puede interpretarse como una manifestación de un sistema anticonvulsivo endógeno funcionalmente activo. Esto sugiere que estos pacientes serían capaces de reclutar vías de modulación descendentes en respuesta a la actividad epileptogénica temporal. La hipótesis pronóstica resultante es que estos pacientes podrían tener una zona epileptogénica mejor localizada y, consecuentemente, una mejor responsividad a la resección quirúrgica. Esta interpretación se alinea con la hipótesis (f) de la tesis doctoral que originó los datos de este estudio (Podolsky Gondim, 2023), representando una prometedora línea de investigación para futuros estudios prospectivos.

Desde el punto de vista del análisis mediante machine learning, la postura distónica no emergió como un predictor dominante en los modelos con las 20 “características” incluidas. Este resultado es comprensible, considerando que variables temporales continuas, como el intervalo entre cirugías y la duración de la epilepsia, tienden a portar mayor información discriminatoria en un espacio multidimensional, especialmente en cohortes con un número limitado de observaciones como N=27. Sin embargo, el análisis directo entre grupos y la presencia de la “característica” en los rankings de “SHAP values” para desenlaces específicos sugieren que, en cohortes mayores o con una composición más homogénea, esta variable semiológica podría llegar a demostrar una contribución estadísticamente más expresiva y predictiva.

En resumen, los resultados de este estudio exploratorio, utilizando técnicas de aprendizaje automático en una cohorte de pacientes reoperados por epilepsia del lóbulo temporal farmacorresistente, revelaron señales analíticas prometedoras para la predicción de resultados quirúrgicos. La Regresión Logística demostró una señal discriminatoria moderada para la libertad total de crisis, con alta sensibilidad. El análisis interpretativo por valores SHAP destacó el intervalo entre las cirugías, la duración de la epilepsia y la edad de inicio de las crisis como los predictores más influyentes, complementando hallazgos anteriores y generando nuevas hipótesis. Adicionalmente, la postura distónica de miembro superior se asoció con mejores resultados, reforzando su plausibilidad biológica y el potencial para investigaciones futuras, contribuyendo así al avance de la medicina de precisión en cirugía de epilepsia.

4. Conclusión

El presente estudio buscó ampliar el análisis de una cohorte retrospectiva de pacientes con epilepsia del lóbulo temporal farmacorresistente sometidos a reoperación, empleando técnicas de machine learning para identificar señales analíticas que pudieran contribuir a la medicina de precisión en cirugía de epilepsia. Se verificó que la Regresión Logística indicó una señal discriminatoria moderada para la libertad total de crisis (Engel Ia) en el último retorno, con una sensibilidad de 0,80. El análisis interpretativo por SHAP values destacó el intervalo entre las cirugías, la duración de la epilepsia hasta la primera intervención y la edad de inicio de las crisis como las variables de mayor contribución relativa, complementando hallazgos estadísticos previos y revelando predictores continuos. Adicionalmente, se observó un patrón consistente de mejores resultados quirúrgicos en pacientes que presentaban postura distónica unilateral de miembro superior, lo que refuerza la plausibilidad biológica de esta semiología como marcador de un sistema anticonvulsivo endógeno funcionalmente activo.

La principal contribución de este trabajo reside en la demostración de la viabilidad y el potencial informativo del enfoque exploratorio mediante machine learning en cohortes clínicas de pequeño tamaño, ofreciendo una perspectiva para el paradigma de la medicina de precisión en la cirugía de la epilepsia. Sin embargo, el tamaño reducido de la muestra (N=27) impone que los resultados se interpreten como exploratorios y generadores de hipótesis, no como evidencia predictiva validada. La curación de datos y la extracción de variables semiológicas retrospectivas introducen una subjetividad inherente, y la ausencia de datos neuropsicológicos estructurados y de neuroimagen cuantitativa representa una limitación. Se sugiere la replicación de estos hallazgos en series más grandes e independientes, la validación prospectiva de la hipótesis pronóstica de la postura distónica, y la incorporación de variables adicionales en estudios futuros para mejorar la comprensión de los factores predictivos de éxito en la reoperación.

Referencias Bibliográficas

Cleto Dal-Cól, M.L.; Bertti, P.; Terra-Bustamante, V.C.; Velasco, T.R.; Araujo Rodrigues, M.C.; Wichert-Ana, L.; Sakamoto, A.C.; Garcia-Cairasco, N. 2008. Is dystonic posturing during temporal lobe epileptic seizures the expression of an endogenous anticonvulsant system? Epilepsy & Behavior 12(1): 39-48.

Depaulis, A.; Vergnes, M.; Marescaux, C. 1994. Endogenous control of epilepsy: the nigral inhibitory system. Progress in Neurobiology 42(1): 33-52.

Engel, J.; McDermott, M.P.; Wiebe, S.; Langfitt, J.T.; Stern, J.M.; Dewar, S.; Sperling, M.R.; Gardiner, I.; Erba, G.; Fried, I.; Jacobs, M.; Vinters, H.V.; Mintzer, S.; Kanner, A.; Ottman, R.; Barkley, G.L.; Bazil, C.W.; Berg, A.T.; Vickrey, B.G. 2012. Early surgical therapy for drug-resistant temporal lobe epilepsy: a randomized trial. JAMA 307(9): 922-930.

Garcia-Cairasco, N.; Podolsky-Gondim, G.; Tejada, J. 2021. Searching for a paradigm shift in the research on the epilepsies and associated neuropsychiatric comorbidities. Epilepsy & Behavior 121: 1-22.

Garcia-Cairasco, N.; Sabbatini, R.M. 1983. Role of the substantia nigra in audiogenic seizures: a neuroethological analysis in the rat. Brazilian Journal of Medical and Biological Research 16(2): 171-183.

González-Martínez, J.A.; Bulacio, J.; Alexopoulos, A.V.; Jehi, L.; Bingaman, W.E. 2007. Long-term seizure outcome in reoperation after failure of epilepsy surgery. Neurosurgery 60(5): 873-879.

Grote, A.; Witt, J.A.; Helmstaedter, C.; Elger, C.E. 2016. A second chance — reoperation in patients with failed surgery for intractable epilepsy. Journal of Neurology, Neurosurgery & Psychiatry 87(4): 379-385.

James, G.; Witten, D.; Hastie, T.; Tibshirani, R. 2021. An introduction to statistical learning with applications in R. 2. ed. New

Kotagal, P.; Luders, H.; Morris, H.H.; Dinner, D.S.; Wyllie, E. 1989. Dystonic posturing in complex partial seizures of temporal lobe onset: a new lateralizing sign. Neurology 39(2): 196-201.

Kwan, P.; Arzimanoglou, A.; Berg, A.T.; Brodie, M.J.; Hauser, W.A.; Mathern, G.; Moshé, S.L.; Perucca, E.; Wiebe, S.; French, J. 2009. Definition of drug resistant epilepsy. Epilepsia 51(6): 1069-1077.

Lundberg, S.M.; Lee, S.-I. 2017. A unified approach to interpreting model predictions. In: Advances in Neural Information Processing Systems 30, 2017. Anais… Red Hook: Curran Associates, 2017. p. 4765-4774.

Peduzzi, P.; Concato, J.; Kemper, E.; Holford, T.R.; Feinstein, A.R. 1996. A simulation study of the number of events per variable in logistic regression analysis. Journal of Clinical Epidemiology 49(12): 1373-1379.

Pereira Dalio, M.T.R.; Velasco, T.R.; Feitosa, I.D.F.; Assirati Junior, J.A.; Carlotti Junior, C.G.; Leite, J.P.; Dos Santos, A.C.; Alexandre, V.; Nakano, F.N.; Saute, R.L.; Wichert-Ana, L.; Sakamoto, A.C. 2022. Long-term outcome of temporal lobe epilepsy surgery in 621 patients with hippocampal sclerosis. Frontiers in Neurology 13: 1-10.

Podolsky Gondim, G.G. 2023. Impacto translacional dos efeitos da estimulação elétrica da substantia nigra pars reticulata em modelo experimental de crises límbicas sobre o tratamento cirúrgico da epilepsia do lobo temporal, com e sem recidiva. 197 f. Tese (Doutorado em Medicina – Neurologia) – Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo, Ribeirão Preto.

Reed, C.M.; Dewar, S.; Fried, I.; Engel, J.; Eliashiv, D. 2017. Failed epilepsy surgery deserves a second chance. Clinical Neurology and Neurosurgery 163: 110-115.

Wiebe, S.; Blume, W.T.; Girvin, J.P.; Eliasziw, M. 2001. A randomized, controlled trial of surgery for temporal-lobe epilepsy. New England Journal of Medicine 345(5): 311-318.

Organización Mundial de la Salud. 2019. Epilepsia: un imperativo de salud pública. Ginebra: OMS.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy