Health Brazil São Paulo, São Paulo, Thursday, November 24 of 2022, 08:57

Emplean inteligencia artificial para detectar alteraciones al caminar y diagnosticar el mal de Parkinson

Aparte de lograr un diagnóstico clínico más preciso, este método permite determinar el estadio de evolución de la enfermedad

AGENCIA FAPESP/DICYT -  Científicos del Laboratorio de Investigaciones del Movimiento Humano (Movi-Lab), de la Universidade Estadual Paulista (Unesp) con sede en la localidad de Bauru, en Brasil, emplearon inteligencia artificial para mejorar el diagnóstico y la detección del estadio de la enfermedad de Parkinson. Una investigación publicada en la revista Gait & Posture mostró que algoritmos de aprendizaje automático pueden ayudar en la detección de los casos de la enfermedad mediante el análisis de ciertos parámetros espacio-temporales de la persona cuando camina.

 

Se mostraron significativas para el diagnóstico cuatro características del caminar: el largo, la velocidad, el ancho y la consistencia del ancho del paso (la denominada variabilidad). En tanto, en la detección del estadio de la enfermedad, la variabilidad del ancho del paso y el tiempo durante el cual la persona permaneció con ambos pies en el piso (apoyo doble) fueron los dos factores de mayor relieve.

 

“Nuestro estudio aporta una innovación al comparárselo con la literatura científica: utilizamos una base de datos mayor para efectuar el diagnóstico. Elegimos el caminar como parámetro porque estimamos que esta acción constituye uno de los factores más comprometidos en los pacientes con la enfermedad de Parkinson y no involucra síntomas fisiológicos”, explica Fabio Augusto Barbieri, coautor del artículo y docente del Departamento de Educación Física de la Facultad de Ciencias (FC) de la Unesp.

 

La investigación contó con el apoyo de la FAPESP en el marco de tres proyectos (14/20549-0, 17/19516-8 y 20/01250-4). Tomaron parte en la misma 63 pacientes del Ativa Parkinson, un programa multidisciplinario y sistematizado de actividades físicas destinado a personas con esta enfermedad y desarrollado en la FC-Unesp, además de otros 63 individuos sanos, todos mayores de 50 años. Los datos se recabaron en el transcurso de siete años y alimentaron el banco que se utilizó en el proceso de aprendizaje automático.

 

Con base en la información de las personas sanas, los científicos montaron la llamada línea de base, señalando los parámetros esperables del rendimiento al caminar para la franja etaria analizada. Se midieron medidos el ancho, la longitud, la duración, la velocidad y la cadencia de los pasos de cada persona, aparte de informaciones tales como el tiempo en que cada una permaneció con un pie en el piso y ambos pies en el piso, la variabilidad del caminar y la asimetría existente entre los pasos.

 

El grupo utilizó estos datos para crear los dos distintos modelos para el aprendizaje de la máquina: el del diagnóstico de la enfermedad y el de la detección del estadio en que la misma se encontraba en cada paciente. En esta etapa, los investigadores contaron con la participación de pares de la Facultad de Ingeniería de la Universidad de Porto (Portugal). Se analizaron cinco algoritmos: Naïve Baise (NB), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF) y Logistic Regression (LR). El algoritmo NB alcanzó una precisión del 84,6 % en el diagnóstico de la enfermedad de Parkinson.

 

Para la identificación del estadio de la enfermedad, los algoritmos NB y RF registraron los mayores aciertos. “Normalmente, las evaluaciones clínicas poseen una precisión de alrededor del 80 %. Si logramos combinar la clínica con la inteligencia artificial, será posible reducir bastante las probabilidades de errores en el diagnóstico”, afirma Barbieri.

 

Los próximos desafíos

 

La enfermedad de Parkinson provoca una degeneración de las células situadas en una de las áreas del cerebro responsables de la producción de la dopamina, una sustancia que conduce las corrientes nerviosas (neurotransmisores) hacia el cuerpo. La falta o la disminución de la dopamina afecta los movimientos, generando síntomas tales como temblores, lentitud, rigidez muscular y desequilibrio, aparte de alteraciones en el habla y en la escritura.

 

El diagnóstico se concreta actualmente con base en la historia clínica del paciente y en el examen neurológico, sin un test específico. No existen datos precisos de casos, pero se estima que entre un 3 % y un 4 % de la población mayor de 65 años padece la enfermedad de Parkinson. El doctorando Tiago Penedo, alumno de Barbieri y coautor del trabajo, destaca que la investigación puede contribuir en el futuro con el diagnóstico clínico, pero uno de los puntos en que deberá evolucionar será el del costo. “Avanzamos en la herramienta y contribuimos con un banco de datos mayor. Pero empleamos equipos de alto costo, difíciles de hallar en las clínicas”, dice Penedo.

 

El aparato que se empleó en la investigación está valuado en alrededor de 100 mil dólares. “Para analizar el caminar es posible aplicar técnicas más baratas con la ayuda de un cronómetro o de bases en donde pisa la persona, pero los resultados no son precisos”, añade Penedo. Los investigadores creen que la técnica empleada en este trabajo puede ayudar en la búsqueda de nuevas comprensiones referentes a los mecanismos de la enfermedad y a identificar patrones del caminar.

 

En tal sentido, en un artículo publicado en 2021 que contó con la participación de Barbieri, ya se había medido en pacientes con párkinson la sinergia de la longitud del paso al atravesar obstáculos y se había arribado a la conclusión de que es un 53 % menor que entre las personas sanas de la misma edad y con idéntico peso. La sinergia es la capacidad del sistema locomotor de adaptar el movimiento combinando factores tales como la velocidad y la posición del pie cuando se hace necesario cruzar un obstáculo, tal como subir el cordón de la vereda (lea más en: agencia.fapesp.br/35579/).

 

Otro estudio, también publicado en Gait & Posture, mostró que los pacientes con la enfermedad de Parkinson tienen una menor capacidad de adaptación de la postura y exhiben un compromiso de los componentes de deriva y temblor en comparación con individuos neurológicamente sanos. Este resultado suministra nuevos insights para explicar la oscilación mayor, más rápida y más variable en los pacientes.