Científicos del MIT desarrollan un dispositivo sin contacto y una red neuronal que detectan el párkinson solamente leyendo los patrones de respiración del paciente.
La enfermedad es notoriamente difícil de diagnosticar de forma temprana debido a que los síntomas motores como lentitud, temblores y rigidez suelen aparecer años después del inicio de la enfermedad.
Los casos de párkinson han subido como la espuma desde finales del siglo XX: según un informe reciente de la OMS, en los últimos 25 años se ha duplicado la cantidad de personas que padece la enfermedad neurodegenerativa, situándose en 8,5 millones en 2019.
Uno de los principales problemas de esta afección es la dificultad de su diagnóstico, que se sigue basando fundamentalmente en síntomas motores como lentitud, rigidez y temblores. Ahora, un equipo de científicos del MIT ha desarrollado un modelo de inteligencia artificial que puede detectar el párkinson a partir de los patrones de respiración.
La herramienta tecnológica, descrita en un artículo publicado en Nature, se trata de una red neuronal o conjunto de algoritmos conectados que imitan el funcionamiento del cerebro humano, evaluando si una persona padece párkinson haciendo un seguimiento de su respiración nocturna, o patrón de respiración mientras duerme.
La investigación, bajo la batuta de Dina Katabi y Nicole Pham, ha contado con la participación de la Universidad de Rochester, Mayo Clinic y el Hospital General de Massachusetts, y está patrocinada por los Institutos Nacionales de Salud, con el apoyo parcial de la Fundación Nacional de Ciencias y la Fundación Michael J. Fox.
Uno de los problemas del párkinson es la dificultad de su diagnóstico precoz.
Uno de los problemas del párkinson es la dificultad de su diagnóstico precoz.Getty Images
Tal y como informan en el comunicado oficial, la red neuronal fue entrenada por el estudiante de doctorado del MIT Yuzhe Yang y el ya doctorado Yuan Yuan. No solo tiene capacidad para realizar el diagnóstico, sino que la IA es capaz de discernir la gravedad de la enfermedad de párkinson de alguien y rastrear la progresión de la misma en el tiempo.
En otros estudios científicos previos se había intentado detectar el párkinson empleando líquido cefalorraquídeo y neuroimagen, pero se trata de técnicas invasivas, caras y que requieren el traslado a centros médicos especializados, impidiendo las pruebas frecuentes para propiciar un diagnóstico temprano o un buen seguimiento del avance del párkinson.
La aplicación de este método con inteligencia artificial es mucho más sencillo, ya que ni siquiera requiere tocar el cuerpo del paciente y podría realizarse en casa todas las noches.
Los investigadores idearon un dispositivo similar a un enrutador doméstico, que en lugar de conectarse a internet, emite señales de radio, analiza sus reflejos en el entorno circundante y extrae los patrones de respiración sin contacto ni interferencia corporal.
La red neuronal analiza la señal de respiración de manera pasiva. El conocimiento extraído parte de la evidencia de que los síntomas respiratorios se manifiestan antes que los síntomas motores. El algoritmo fue probado en 7.687 personas, incluyendo a 757 pacientes con párkinson.
En el futuro, este avance terapéutico podría contribuir al desarrollo de nuevos fármacos y una mejora de la atención clínica del párkinson, acelerando las terapias y ayudando a evaluar a pacientes en comunidades desatendidas, remotas, rurales o con menos recursos. La IA también será de gran utilidad para personas con movilidad limitada o deterioro cognitivo.
“No hemos tenido avances terapéuticos este siglo, lo que sugiere que nuestros enfoques actuales para evaluar nuevos tratamientos no son óptimos”, afirma Ray Dorsey, profesor de neurología en la Universidad de Rochester, coautor del artículo y especialista en la enfermedad.
«La analogía que me gusta dibujar de las evaluaciones actuales de párkinson es una farola en la noche, y lo que vemos de la farola es un segmento muy pequeño… El sensor sin contacto nos ayuda a iluminar la oscuridad», dice el especialista.
Fuente: businessinsider.es