Un equipo de la Universidad Politécnica de Madrid ha desarrollado una metodología basada en relojes inteligentes e inteligencia artificial que permite analizar alteraciones motoras asociadas al Parkinson mediante una actividad sencilla de la vida diaria: batir un huevo durante un minuto. El estudio muestra cómo un gesto tan cotidiano -en la que algunas personas detectan los primeros cambios motores- puede convertirse en una fuente de información objetiva sobre la función motora en la enfermedad.
Uno de sus síntomas motores principales es la bradicinesia: el enlentecimiento del movimiento, que puede manifestarse como una reducción progresiva de la amplitud, la velocidad o la fuerza con la que se realiza una acción repetitiva, señalan los investigadores.
Tradicionalmente, la evaluación de estos síntomas se realiza en consulta, mediante escalas clínicas y observación especializada. Aunque este procedimiento sigue «siendo esencial», presenta una limitación importante: ofrece una evaluación puntual del estado motor de la persona, el cual puede sufrir variaciones por varios motivos: estado ‘ON-OFF’, variables situacionales, etc.
Reloj inteligente
Ahora, un equipo del Grupo de Investigación en Instrumentación y Acústica Aplicada de la Politécnica de Madrid ha propuesto analizar cómo una persona bate un huevo durante un minuto mientras lleva un reloj inteligente en la muñeca. El reloj registra señales de aceleración y velocidad angular mediante sensores inerciales, y posteriormente estas señales se procesan utilizando técnicas de aprendizaje automático.
La actividad elegida no es casual. Batir un huevo es una tarea cotidiana que requiere movimientos repetitivos de flexo-extensión y rotación de la muñeca, mantener un ritmo relativamente constante y la energía del movimiento durante un periodo de tiempo. Por eso, muchos afectados identifican actividades de este tipo –cocinar, remover, batir o manipular utensilios– como momentos en los que empezaron a notar que algo no iba bien en sus movimientos, antes incluso de recibir un diagnóstico.
Terapia ocupacional
Además, batir un huevo también se utiliza habitualmente como ejercicio en terapia ocupacional para trabajar la movilidad, la coordinación y la funcionalidad de la mano y la muñeca. Esta doble dimensión -actividad cotidiana y rehabilitación terapéutica- convierte la tarea en una «candidata especialmente interesante» para estudiar síntomas motores de forma natural, reproducible y cercana a la experiencia real de los pacientes, indican los autores del estudio.
«La clave es acercar la evaluación al entorno real de la persona afectada, manteniendo al mismo tiempo un protocolo suficientemente controlado para que los datos sean comparables», abundan.
Durante una semana
En el estudio participaron 22 personas con enfermedad de Parkinson y 16 personas sanas como grupo control. Las personas involucradas pertenecían a la Asociación Parkinson Madrid, entidad que colaboró en el desarrollo del estudio. Cada participante realizó la tarea durante una semana.
En una primera sesión, el ejercicio se llevó a cabo en condiciones supervisadas. Posteriormente, los participantes repitieron la actividad en su domicilio, sin supervisión directa, y regresaron al final del estudio para una última sesión supervisada. Este diseño permitió comparar el rendimiento del sistema tanto en un entorno controlado como en condiciones reales de uso.
Oscilación más lenta
Los resultados muestran diferencias claras entre los grupos. Las personas con párkinson presentaron, de forma sistemática, menor amplitud de movimiento, una frecuencia de oscilación más lenta y una disminución progresiva de la energía de la señal a lo largo de la tarea.
A partir de estas señales, el equipo extrajo características en el dominio temporal y frecuencial, y evaluó distintos modelos de aprendizaje automático. El mejor rendimiento se obtuvo con una máquina de vectores soporte, que alcanzó una precisión del 91,1% en condiciones supervisadas. Cuando el modelo se aplicó a datos obtenidos en el domicilio, la precisión se mantuvo en el 87,8%, con una reducción inferior al 4%.
Fuera del laboratorio
Este resultado es «especialmente relevante» porque uno de los principales retos de la inteligencia artificial aplicada a salud digital es que los modelos funcionen fuera del laboratorio. Una herramienta de este tipo, concluyen, podría facilitar en el futuro el seguimiento longitudinal de síntomas motores, reducir la necesidad de desplazamientos para determinadas evaluaciones y aportar información complementaria al sanitario sobre la evolución del paciente en su entorno habitual.
Los autores subrayan que se trata de una línea de investigación en desarrollo y que serán necesarios estudios con cohortes más amplias y diversas. El trabajo se ha publicado en el número especial ‘Advances in Biomedical Engineering and Artificial Intelligence for Neurological Health’ de la revista Technologies.
Suscríbete para seguir leyendo
