MADRID, 8 Mar. (EUROPA PRESS) -
Investigadores del Grupo de Tecnología del Habla (GTH) en el Centro de Procesado de la Información y de las Telecomunicaciones (IPTC) de la Universidad Politécnica de Madrid (UPM) 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.
Se trata de 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", ha indicado el investigador del Grupo de Tecnología del Habla (GTH) de la UPM, Rubén San Segundo.
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", ha detallado 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.
Este trabajo ha tenido su origen en la estancia de investigación del profesor Rubén San-Segundo en el Human Sensing Laboratory de la Carnegie Mellon University de Estados Unidos, gracias a una beca de investigación financiada por el Ministerio de Educación Español y la Comisión Fulbright. Durante esta estancia, Rubén San-Segundo colaboró en el proyecto Monitoring Motor Symptoms in Parkinson's Disease with Wearable Devices, dirigido por los profesores Fernando de la Torre y Jessica Hodgins.
