Inteligencia Artificial, una alternativa para detectar el párkinson

Un equipo de investigadores del Instituto de Tecnología de Massachusetts (MIT) desarrolló un modelo de inteligencia artificial (IA) que ha demostrado éxito en la detección de la Enfermedad de Parkinson a partir de los patrones de respiración.

El modelo se basa en datos recopilados por un dispositivo que detecta patrones de respiración sin contacto mediante ondas de radio.

(Vea también: 8 síntomas para prediagnosticar el párkinson, según experto)

Este modelo también estimó la gravedad y la progresión de lapatología, de acuerdo con la Escala de calificación de la enfermedad de Parkinson unificada de la Sociedad de Trastornos del Movimiento (MDS-UPDRS), que es la escala de calificación estándar utilizada clínicamente.

Hasta el momento, no existe una cura para el párkinson, pero Dina Katabi, coautora del estudio, prevé que el uso de esta tecnología para su diagnóstico y podría acortar significativamente los ensayos clínicos de posibles tratamientos. De esta forma, se podría acelerar el desarrollo de una cura.

¿Cómo la IA puede ayudar a detectar la enfermedad de Párkinson?

Los investigadores entrenaron el modelo utilizando datos de respiración nocturna (datos recopilados mientras los sujetos dormían) de varios hospitales en los EE. UU.

(Vea también: EPS y hospitales, muy preocupados: hay desabastecimiento en estos 15 medicamentos)

Después de entrenar el modelo, lo probaron en un conjunto de datos que no se usó en el entrenamiento y descubrieron que diagnosticaba la enfermedad de Párkinson con una precisión de alrededor del 90 % cuando analizaba los datos de una noche de sueño de un paciente.

Adicionalmente, encontraron que la precisión del modelo mejora al 95 % cuando analiza los datos de sueño de 12 noches.

El futuro del modelo de IA para detectar el párkinson

Aún se encuentra en una etapa temprana de desarrollo. “Aunque todos los datos son de los Estados Unidos, notamos que los conjuntos de datos tienen diferentes razas y etnias. Sin embargo, creemos que es deseable validar más el modelo en conjuntos de datos más diversos de otros países”, dijo Katabi.

El modelo podría usarse potencialmente para la evaluación en comunidades desatendidas, especialmente para aquellos que viven en áreas sin acceso médico significativo y para pacientes que tienen dificultades para salir de sus hogares debido a la progresión de la enfermedad.

Los investigadores también creen que el trabajo y la tecnología podrían potencialmente extenderse para detectar otras enfermedades neurológicas, como la enfermedad de Alzheimer.

El estudio fue publicado en la revista Nature Medicine.

Imagen: MIT