Tecnología portátil combinada con IA ofrece una manera más precisa de diagnosticar el párkinson

Diagnosticar este trastorno del movimiento debilitante, especialmente en sus primeras etapas, generalmente requiere que los pacientes realicen varias tareas de movilidad, mientras los médicos observan los patrones de caminata y prueban los reflejos. Este proceso requiere mucho tiempo y trabajo tanto para los médicos como para los pacientes. Los expertos creen que muchas personas permanecen sin diagnosticar o reciben un diagnóstico erróneo, lo que indica que es posible que más personas tengan la enfermedad de lo que sugieren las estimaciones actuales. Esto destaca uno de los principales desafíos que enfrentan los médicos y pacientes: la dificultad para diagnosticar la enfermedad de Parkinson con precisión. Un método de diagnóstico más preciso podría aliviar la tensión física y emocional que experimentan los pacientes al reducir la necesidad de múltiples visitas clínicas y prevenir diagnósticos erróneos.

Los investigadores del Centro de Bioinformática y Biología Computacional de la Universidad de Maryland (CBCB, College Park, MD, EUA) están colaborando con colegas para abordar este problema mediante el uso de algoritmos de aprendizaje automático para analizar datos de sensores portátiles de seguimiento de movimiento, con el objetivo de automatizar partes del proceso diagnóstico. Según los investigadores, este enfoque podría conducir a diagnósticos más tempranos y precisos, lo que permitiría intervenciones terapéuticas oportunas. Aunque en el pasado se han desarrollado sensores portátiles para diagnosticar la enfermedad de Parkinson, su complejidad ha impedido su adopción clínica generalizada. Esta nueva investigación simplifica el uso de sensores y aprendizaje automático en entornos clínicos. El estudio demostró que un único sensor colocado en la parte baja de la espalda, combinado con una sola tarea de movilidad que involucra múltiples movimientos, podría diferenciar eficazmente a las personas con enfermedad de Parkinson de los controles sanos.

El equipo de investigación luego creó un marco avanzado de aprendizaje automático para analizar patrones y variaciones en los datos recopilados. Como se detalla en la revista Sensors, este enfoque mejoró significativamente la detección de los síntomas de la enfermedad y la precisión diagnóstica, logrando una tasa de precisión del 92,6 % en la identificación de participantes en varias etapas de la enfermedad de Parkinson, superando el 81 % de precisión previamente reportado en diagnósticos clínicos realizados por expertos en trastornos del movimiento. El equipo ahora está ampliando su investigación para distinguir el Parkinson de otros trastornos del movimiento, con el objetivo de aumentar aún más la precisión del diagnóstico y reducir la probabilidad de diagnóstico erróneo.

Enlaces relacionados:
CBCB