Miércoles, 21 de Abril de 2021 | Teléfono: 986 438 020
Atrás

Investigadores españoles trabajan en una nueva técnica para monitorizar temblores en la enfermedad de Parkinson

Redacción EM 08-03-2021

COMPARTIR
En el Centro de Procesado de la Información y de las Telecomunicaciones (IPTC) de la Universidad Politécnica de Madrid (UPM), investigadores del Grupo de Tecnología del Habla (GTH) están trabajando en el desarrollo de métodos de inteligencia artificial basados en algoritmos de aprendizaje profundo que permitan detectar y hacer un seguimiento de los principales síntomas motores de la enfermedad de Parkinson. La detección y análisis automático de estos síntomas de forma continua permite elaborar informes objetivos de seguimiento que pueden complementar los análisis médicos realizados en las consultas.
 
La enfermedad de Parkinson es un trastorno neurodegenerativo crónico que puede causar una gran variedad de síntomas, entre ellos síntomas motores como el temblor o bloqueo de la marcha. Estos síntomas se pueden controlar con medicamentos, pero su uso puede producir efectos secundarios si se administran durante largos períodos de tiempo. Con el fin de evitar en lo posible dichos efectos, los médicos van ajustando la dosis mínima necesaria para controlar los síntomas. Este ajuste se va realizando según la evolución de la enfermedad.
 
Los médicos supervisan la enfermedad mediante consultas periódicas en las que realizan una exploración en base a una escala normalizada (UPDRS). Este seguimiento tiene la limitación de que se realiza mediante sesiones de duración limitada y espaciadas varios meses. “La monitorización continua en el hogar de los síntomas de la enfermedad de Parkinson podría permitir mejoras en la evaluación de la progresión de la enfermedad y en los efectos del tratamiento”, indica Rubén San Segundo, investigador del Grupo de Tecnología del Habla (GTH) de la UPM. Así, varios miembros del grupo de investigación han llevado a cabo un estudio con el objetivo de desarrollar algoritmos de procesado y clasificación de señales basados en aprendizaje profundo (deep learning) que permitan analizar las señales inerciales recogidas de sensores no intrusivos colocados en la ropa de los pacientes. “En un primer paso, se está trabajando con acelerómetros situados en relojes o teléfonos inteligentes. Con estos sensores inerciales es posible identificar y analizar síntomas motores como el temblor y el bloqueo de la marcha”, explica San Segundo.
 
Hasta el momento, los investigadores han conseguido desarrollar primeras versiones de algoritmos capaces de detectar el temblor y analizar su intensidad y duración, así como para la detección del bloqueo de la marcha. Además, disponen de algoritmos de aprendizaje profundo para el análisis de la forma de escribir de los pacientes de Parkinson, que permiten hacer una estimación del grado de progreso de la enfermedad.
 
Aunque los sistemas automáticos pueden cometer errores en estimaciones puntuales, el análisis relativo de dichas estimaciones a lo largo de varios días o semanas ofrece información muy robusta que puede ser útil para apoyar la labor de seguimiento realizada por los médicos.


Tlfno: 986 438 020 | contacto | aviso legal