Hiperautofluorescencia foveal como factor predictor de recuperación visual en pacientes con desprendimiento regmatógeno de retina

Introducción: una de las causas de pobre ganancia visual luego de un tratamiento exitoso de desprendimiento de retina, sin complicaciones, es el daño de los fotoreceptores, reflejada en una disrupción de la capa de la zona elipsoide y membrana limitante externa (MLE). En otras patologías se ha demostrado que la hiperautofluorescencia foveal se correlaciona con la integridad de la zona elipsoide y MLE y una mejor recuperación visual. Objetivos: evaluar la asociación entre la hiperautofluorescencia foveal, la integridad de la capa de la zona elipsoide y recuperación visual luego de desprendimiento de retina regmatógeno (DRR) exitosamente tratado. Evaluar la concordancia inter-evaluador de estos exámenes. Metodología: estudio de corte transversal de autofluorescencia foveal y tomografía óptica coherente macular de dominio espectral en 65 pacientes con DRR evaluados por 3 evaluadores independientes. La concordancia inter-evaluador se estudio mediante Kappa de Cohen y la asociación entre las diferentes variables mediante la prueba chi cuadrado y pruebas Z para comparación de proporciones. Resultados: La concordancia de la autofluorescencia fue razonable y la de la tomografía óptica coherente macular buena a muy buena. Sujetos que presentaron hiperautofluorescencia foveal asociada a integridad de la capa de la zona elipsoide tuvieron 20% más de posibilidad de recuperar agudeza visual final mejor a 20/50 que los que no cumplieron éstas características. Conclusión: Existe una asociación clínicamente importante entre la hiperautofluorescencia foveal, la integridad de la capa de zona elipsoide y la mejor agudeza visual final, sin embargo ésta no fue estadísticamente significativa (p=0.39)

Factores asociados a recuperación visual deficiente después de cirugía exitosa para desprendimiento de retina regmatógeno

Introducción: Varias características pueden afectar el pronóstico visual después de resolver quirúrgicamente el desprendimiento de retina. Existen características no observables por el ojo humano por si solo pero si por tomografía óptica coherente que se relacionan con la recuperación visual. Objetivo: Describir las características clínicas y topográfica en los periodos pre y postquirúrgico de ojos que ha sufrido DR regmatógeno con compromiso macular y su relación con la calidad de recuperación visual después de una cirugía considerada exitosa desde el punto de vista anatómico. Materiales y métodos: Estudio descriptivo en el que se comparan algunas características en tres periodos perioeperatorios, uno antes y dos después de cirugía (3 y 6 meses) de 24 ojos con DRregmatógeno y compromiso macular intervenidos mediante retinopexia combinada con vitrectomía pars plana. Resultados: La recuperación visual mejor o igual que logMAR 0,397 (20/50) se dió en 41,7% de ojos y 16,7%. alcanzaron agudeza visual logMAR 0,301 (20/40). Cinco ojos no alcanzaron una ganancia de líneas de visión mayor a cinco. El líquido submacular ausente se observó en la mayoría de ojos que recuperaron más de cinco líneas al igual que aquellos con elipsoide conservado. La regularidad del neuroepitelio y el edema en el periodo posquirúrgico no mostraron comportamientos claros respecto a recuperación visual al igual que la altura del desprendimiento y el número de cuadrantes afectados. Una mejor recuperación visual fue más frecuente en aquellos con menos de cinco semanas de desprendimiento de retina. Conclusiones: El retraso menor a cinco semanas en la resolución del desprendimiento de retina, la conservación del elipsoide y la ausencia de líquido submacular en el periodo postquirúrgico se observó más frecuentemente en ojos con mejor recuperación visual.

Neural networks of human nature and nurture

Neural network methods have facilitated the unification of several unfortunate splits in psychology, including nature versus nurture. We review the contributions of this methodology and then discuss tentative network theories of caring behavior, of uncaring behavior, and of how the frontal lobes are involved in the choices between them. The implications of our theory are optimistic about the prospects of society to encourage the human potential for caring. 

Validación diagnóstica del test neural 1 para el síndrome de túnel del carpo

El objetivo de este estudio fue realizar una prueba de validez diagnostica del test neural 1 para el diagnóstico del Síndrome de Túnel del Carpo (STC) utilizando como prueba de referencia o de oro el test de conducción nerviosa. En este estudio participaron 115 sujetos, 230 manos con sospecha clínica de STC quienes fueron evaluados con el test de conducción nerviosa y el test neural 1. Se encontró una sensibilidad del 93.0% (IC 95%:88,21-96,79) y una especificidad del 6,67% (IC 95%:0,0-33,59), razón de verosimilitud positiva fue de 1,00 y razón de verosimilitud negativa de 1,05. Valor predictivo positivo de 86,9% y un valor predictivo negativo de 12,5%. Se concluye que el test neural 1 es una prueba clínica de alta sensibilidad y baja especificidad de gran utilidad para el monitoreo e identificación del STC. Es un procedimiento para el diagnóstico clínico de bajo costo que puede incluirse en los exámenes de rutina de los trabajadores como complemento a las pruebas clínicas sugeridas por las Gatiso para dar mayor precisión a la identificación temprana del STC. Se sugiere combinarla con otros test de mayor especificidad para ser aplicada en trabajadores en condiciones de riesgo o que presenten síntomas en miembros superiores y realizar otros estudios en donde participen sujetos sin diagnóstico clínico del STC.

Convergencia de vías de señalización en un modelo de apoptosis

La sepsis es un evento inflamatorio generalizado del organismo inducido por un daño causado generalmente por un agente infeccioso. El patógeno más frecuentemente asociado con esta entidad es el Staphylococcus aureus, responsable de la inducción de apoptosis en células endoteliales debida a la producción de ceramida. Se ha descrito el efecto protector de la proteína C activada (PCA) en sepsis y su relación con la disminución de la apoptosis de las células endoteliales. En este trabajo se analizó la activación de las quinasas AKT, ASK1, SAPK/JNK y p38 en un modelo de apoptosis endotelial usando las técnicas de Western Blotting y ELISA. Las células endoteliales (EA.hy926), se trataron con C2-ceramida (130μM) en presencia de inhibidores químicos de cada una de estas quinasas y PCA. La supervivencia de las células en presencia de inhibidores químicos y PCA fue evaluada por medio de ensayos de activación de las caspasas 3, 7 y 9, que verificaban la muerte celular por apoptosis. Los resultados evidencian que la ceramida reduce la activación de AKT y aumenta la activación de las quinasas ASK, SAPK/JNK y p38, en tanto que PCA ejerce el efecto contrario. Adicionalmente se encontró que la tiorredoxina incrementa la activación/fosforilación de AKT, mientras que la quinasa p38 induce la defosforilación de AKT.

Real-Time software control of neural stimulation in a closed loop Animat system

A recent area for investigation into the development of adaptable robot control is the use of living neuronal networks to control a mobile robot. The so-called Animat paradigm comprises a neuronal network (the ‘brain’) connected to an external embodiment (in this case a mobile robot), facilitating potentially robust, adaptable robot control and increased understanding of neural processes. Sensory input from the robot is provided to the neuronal network via stimulation on a number of electrodes embedded in a specialist Petri dish (Multi Electrode Array (MEA)); accurate control of this stimulation is vital. We present software tools allowing precise, near real-time control of electrical stimulation on MEAs, with fast switching between electrodes and the application of custom stimulus waveforms. These Linux-based tools are compatible with the widely used MEABench data acquisition system. Benefits include rapid stimulus modulation in response to neuronal activity (closed loop) and batch processing of stimulation protocols.

Detection of Parkinson’s disease tremor-onset with a frequency analysing artificial neural network

Deep Brain Stimulator devices are becoming widely used for therapeutic benefits in movement disorders such as Parkinson's disease. Prolonging the battery life span of such devices could dramatically reduce the risks and accumulative costs associated with surgical replacement. This paper demonstrates how an artificial neural network can be trained using pre-processing frequency analysis of deep brain electrode recordings to detect the onset of tremor in Parkinsonian patients. Implementing this solution into an 'intelligent' neurostimulator device will remove the need for continuous stimulation currently used, and open up the possibility of demand-driven stimulation. Such a methodology could potentially decrease the power consumption of a deep brain pulse generator.

Perceived controllability modulates the neural response to pain

The response to painful stimulation depends not only on peripheral nociceptive input but also on the cognitive and affective context in which pain occurs. One contextual variable that affects the neural and behavioral response to nociceptive stimulation is the degree to which pain is perceived to be controllable. Previous studies indicate that perceived controllability affects pain tolerance, learning and motivation, and the ability to cope with intractable pain, suggesting that it has profound effects on neural pain processing. To date, however, no neuroimaging studies have assessed these effects. We manipulated the subjects' belief that they had control over a nociceptive stimulus, while the stimulus itself was held constant. Using functional magnetic resonance imaging, we found that pain that was perceived to be controllable resulted in attenuated activation in the three neural areas most consistently linked with pain processing: the anterior cingulate, insular, and secondary somatosensory cortices. This suggests that activation at these sites is modulated by cognitive variables, such as perceived controllability, and that pain imaging studies may therefore overestimate the degree to which these responses are stimulus driven and generalizable across cognitive contexts. [References: 28]

A reconfigurable neural environment on active networks

This paper proposes the deployment of a neural network computing environment on Active Networks. Active Networks are packet-switched computer networks in which packets can contain code fragments that are executed on the intermediate nodes. This feature allows the injection of small pieces of codes to deal with computer network problems directly into the network core, and the adoption of new computing techniques to solve networking problems. The goal of our project is the adoption of a distributed neural network for approaching tasks which are specific of the computer network environment. Dynamically reconfigurable neural networks are spread on an experimental wide area backbone of active nodes (ABone) to show the feasibility of the proposed approach.

Chess Endgames and Neural Networks

The existence of endgame databases challenges us to extract higher-grade information and knowledge from their basic data content. Chess players, for example, would like simple and usable endgame theories if such holy grail exists: endgame experts would like to provide such insights and be inspired by computers to do so. Here, we investigate the use of artificial neural networks (NNs) to mine these databases and we report on a first use of NNs on KPK. The results encourage us to suggest further work on chess applications of neural networks and other data-mining techniques.

Validation of improved TAMANN neural network for operational satellite-derived rainfall estimation in Africa

Real-time rainfall monitoring in Africa is of great practical importance for operational applications in hydrology and agriculture. Satellite data have been used in this context for many years because of the lack of surface observations. This paper describes an improved artificial neural network algorithm for operational applications. The algorithm combines numerical weather model information with the satellite data. Using this algorithm, daily rainfall estimates were derived for 4 yr of the Ethiopian and Zambian main rainy seasons and were compared with two other algorithms-a multiple linear regression making use of the same information as that of the neural network and a satellite-only method. All algorithms were validated against rain gauge data. Overall, the neural network performs best, but the extent to which it does so depends on the calibration/validation protocol. The advantages of the neural network are most evident when calibration data are numerous and close in space and time to the validation data. This result emphasizes the importance of a real-time calibration system.