[ad_1]
La enfermedad de Parkinson es el trastorno neurológico de más rápido crecimiento, que ahora afecta a más de 10 millones de personas en todo el mundo, pero los médicos aún enfrentan grandes desafíos para rastrear su gravedad y progresión.
Los médicos suelen evaluar a los pacientes probando sus habilidades motoras y su función cognitiva durante las visitas a la clínica. Estas mediciones semisubjetivas a menudo están sesgadas por factores externos, tal vez un paciente está cansado después de un largo viaje al hospital. Más del 40 por ciento de las personas con Parkinson nunca son atendidas por un neurólogo o un especialista en Parkinson, a menudo porque viven demasiado lejos de un centro metropolitano o tienen dificultades para viajar.
Para abordar estos problemas, los investigadores del MIT y otros lugares demostraron un dispositivo doméstico que puede monitorear el movimiento y la velocidad de la marcha de un paciente, que se puede usar para evaluar la gravedad del Parkinson, la progresión de la enfermedad y la respuesta del paciente a la medicación.
El dispositivo, que tiene aproximadamente el tamaño de un enrutador Wi-Fi, recopila datos de forma pasiva mediante señales de radio que rebotan en el cuerpo del paciente mientras se mueve por su casa. El paciente no tiene que usar un aparato o cambiar su comportamiento. (Por ejemplo, un estudio reciente mostró que este tipo de dispositivo podría usarse para detectar la enfermedad de Parkinson según los patrones de respiración de una persona mientras duerme).
Con estos dispositivos, los investigadores realizaron un estudio en el hogar de un año de duración con 50 participantes. Demostraron que mediante el uso de algoritmos de aprendizaje automático para analizar los conjuntos de datos que recopilaron de forma pasiva (más de 200 000 mediciones de la velocidad de la marcha), un médico podría realizar un seguimiento de la progresión de la enfermedad de Parkinson y la respuesta al fármaco de manera más eficaz que en el caso de las evaluaciones regulares en la clínica.
“Al poder tener un dispositivo en el hogar que pueda monitorear a un paciente y notificar de forma remota al médico sobre la progresión de la enfermedad y la respuesta del paciente a la medicación, para que pueda cuidar al paciente, incluso si el paciente puede no vengan a la clínica, ahora tienen información real y confiable, que en realidad contribuye en gran medida a mejorar la equidad y el acceso», dice la autora principal Dina Katabi, profesora de Thuan y Nicole Pham en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS ) y director de investigación en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y la Clínica MIT Jameel.
Los coautores principales son los estudiantes de doctorado de EECS Yingcheng Liu y Guo Zhang. El estudio se publica hoy en Ciencia Medicina Traslacional.
Un radar humano
Este trabajo utiliza un dispositivo inalámbrico desarrollado previamente en el laboratorio de Katabi que analiza las señales de radio que rebotan en los cuerpos de las personas. Transmite señales que utilizan una pequeña fracción de la potencia de un enrutador Wi-Fi; estas señales de potencia ultrabaja no interfieren con otros dispositivos inalámbricos en el hogar. Si bien las señales de radio penetran paredes y otros objetos sólidos, los humanos las reflejan debido al agua en nuestros cuerpos.
Esto crea un «radar humano» que puede rastrear el movimiento de una persona en una habitación. Las ondas de radio siempre viajan a la misma velocidad, por lo que la cantidad de tiempo que tardan las señales en reflejarse en el dispositivo es indicativo de cómo se mueve la persona.
El dispositivo contiene un clasificador de aprendizaje automático que puede detectar con precisión las señales de radio reflejadas por el paciente, incluso cuando otras personas se mueven en la habitación. Los algoritmos avanzados utilizan estos datos de movimiento para calcular la velocidad de la marcha: qué tan rápido camina la persona.
Dado que el dispositivo funciona en segundo plano y funciona todo el día, puede recopilar una gran cantidad de datos todos los días. Los investigadores querían ver si podían aplicar el aprendizaje automático a estos conjuntos de datos para obtener información sobre la enfermedad a lo largo del tiempo.
Reunieron a 50 participantes, 34 de los cuales padecían la enfermedad de Parkinson, y realizaron un estudio de un año de duración sobre las medidas de la marcha en el hogar. Como parte del estudio, los investigadores recopilaron más de 200 000 mediciones individuales, que promediaron para compensar la variabilidad debida a condiciones irrelevantes para la enfermedad. (Por ejemplo, un paciente puede apresurarse para contestar una alarma o caminar más despacio mientras habla por teléfono).
Usaron métodos estadísticos para analizar los datos y descubrieron que la velocidad al caminar en el hogar se puede usar para rastrear de manera efectiva la progresión y la gravedad de la enfermedad de Parkinson. Por ejemplo, demostraron que la velocidad al caminar disminuyó casi el doble de rápido en las personas con Parkinson que en las personas que no lo tenían.
“La monitorización continua del paciente mientras se mueve por la habitación nos permitió obtener mediciones muy buenas de su velocidad al caminar. Y con esa cantidad de datos, pudimos hacer una agregación que nos permitió ver diferencias muy pequeñas”, dice Zhang.
Resultados mejores y más rápidos
El estudio de estas variabilidades ofreció algunas ideas importantes. Los investigadores demostraron, por ejemplo, que las variaciones diurnas en la velocidad al caminar de un paciente se corresponden con la forma en que responde a su medicación: la velocidad al caminar puede mejorar después de una dosis y luego disminuir después de unas horas a medida que desaparece el efecto del medicamento.
“Esto nos permite medir objetivamente cómo responde su movilidad a su medicación. Esto solía ser muy engorroso porque el efecto de este fármaco solo podía medirse si el paciente llevaba un diario”, dice Liu.
Un médico podría usar estos datos para ajustar las dosis de medicamentos de manera más efectiva y precisa. Esto es particularmente importante ya que los medicamentos utilizados para tratar los síntomas de la enfermedad pueden tener efectos secundarios graves si el paciente recibe demasiados de ellos.
Los investigadores pudieron mostrar resultados estadísticamente significativos sobre la progresión de la enfermedad de Parkinson después de estudiar a 50 personas durante solo un año. En contraste, un estudio muy citado de la Fundación Michael J. Fox involucró a más de 500 personas y las siguió durante más de cinco años, dice Katabi.
«Para una empresa farmacéutica o biotecnológica que intente desarrollar fármacos para esta enfermedad, esto podría reducir significativamente el esfuerzo y los costes y acelerar el desarrollo de nuevas terapias», añade.
Katabi atribuye gran parte del éxito del estudio al dedicado equipo de científicos y médicos que trabajaron juntos para superar las muchas dificultades encontradas en el camino. Por un lado, comenzaron el estudio antes de la pandemia de covid-19, por lo que los miembros del equipo primero visitaron los hogares de las personas para configurar los dispositivos. Cuando eso ya no fue posible, desarrollaron una aplicación de teléfono fácil de usar para ayudar a los participantes de forma remota mientras usaban el dispositivo en casa.
En el transcurso del estudio, aprendieron a automatizar procesos y reducir el esfuerzo, especialmente para los participantes y el equipo clínico.
Este conocimiento será útil cuando intenten usar dispositivos en estudios caseros de otras afecciones neurológicas como el Alzheimer, la ELA y la enfermedad de Huntington. También quieren explorar cómo se podrían usar estos métodos junto con otro trabajo del laboratorio de Katabi que muestra que el Parkinson se puede diagnosticar mediante el control de la respiración, para recopilar un conjunto holístico de marcadores que diagnostican la enfermedad de manera temprana y luego se pueden usar para rastrear y manejarlo
«Este sensor de ondas de radio puede permitir que más atención (e investigación) migre de los hospitales a los hogares más buscados y necesitados», dice Ray Dorsey, profesor de neurología en el Centro Médico de la Universidad de Rochester, coautor de acabar con el parkinson, y coautor de este trabajo de investigación. “El potencial apenas se está volviendo aparente. Estamos avanzando hacia un día en el que podamos diagnosticar y predecir enfermedades en el hogar. Quizás en el futuro incluso podamos predecir e idealmente prevenir eventos como caídas y ataques cardíacos”.
Este trabajo cuenta con el apoyo parcial de los Institutos Nacionales de Salud y la Fundación Michael J. Fox.
[ad_2]