Se trata de una red neuronal que también es capaz de discernir la gravedad de la enfermedad.

Un dispositivo desarrollado por el Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, con la apariencia de un router Wi-Fi utiliza una red neuronal para discernir la presencia y la gravedad del Parkinson, una de las enfermedades neurológicas de mayor crecimiento en el mundo.

La enfermedad de Parkinson es notoriamente difícil de diagnosticar ya que se basa principalmente en la aparición de síntomas motores como temblores, rigidez y lentitud, pero estos síntomas suelen aparecer varios años después del inicio de la enfermedad.

Ahora, este equipo de investigadores ha desarrollado un modelo de inteligencia artificial que puede detectar el Parkinson con sólo leer los patrones de respiración de una persona.

La herramienta en cuestión es una red neuronal, una serie de algoritmos conectados que imitan el funcionamiento de un cerebro humano, capaz de evaluar si alguien tiene Parkinson a partir de su respiración nocturna, es decir, los patrones de respiración que se producen mientras duerme.

La red neuronal también es capaz de discernir la gravedad de la enfermedad de Parkinson de alguien y seguir la progresión de su enfermedad a lo largo del tiempo.

A lo largo de los años, los investigadores han investigado el potencial de detectar el Parkinson utilizando el líquido cefalorraquídeo y las neuroimágenes, pero tales métodos son invasivos, costosos y requieren el acceso a centros médicos especializados, lo que los hace inadecuados para las pruebas frecuentes que, de otro modo, podrían proporcionar un diagnóstico temprano o un seguimiento continuo de la progresión de la enfermedad.

Los investigadores del MIT demostraron que la evaluación de la inteligencia artificial del Parkinson puede hacerse cada noche en casa mientras la persona está dormida y sin tocar su cuerpo. Para ello, el equipo desarrolló un dispositivo con la apariencia de un router Wi-Fi doméstico, pero en lugar de proporcionar acceso a Internet, el dispositivo emite señales de radio, analiza sus reflejos en el entorno circundante y extrae los patrones de respiración del sujeto sin ningún contacto corporal. La señal de la respiración es entonces alimentada a la red neuronal para evaluar el Parkinson de manera pasiva, y no se necesita ningún esfuerzo por parte del paciente y del cuidador.

«Ya en 1817 se observó una relación entre el Parkinson y la respiración, en el trabajo del doctor James Parkinson. Esto nos motivó a considerar el potencial de detectar la enfermedad a partir de la respiración sin mirar los movimientos. Algunos estudios médicos han demostrado que los síntomas respiratorios se manifiestan años antes que los síntomas motores, lo que significa que los atributos de la respiración podrían ser prometedores para la evaluación del riesgo antes del diagnóstico de Parkinson», dice Dina Katabi, una de las líderes de la investigación, que se ha publicado en la revista científica ‘Nature Medicine’.

La enfermedad neurológica de más rápido crecimiento en el mundo, el Parkinson es el segundo trastorno neurológico más común, después de la enfermedad de Alzheimer. Sólo en Estados Unidos, afecta a más de un millón de personas y tiene una carga económica anual de 51.900 millones de dólares. El algoritmo del equipo de investigación se probó en 7.687 individuos, incluidos 757 pacientes de Parkinson.

Katabi señala que el estudio tiene importantes implicaciones para el desarrollo de medicamentos para el Parkinson y la atención clínica. «En términos de desarrollo de medicamentos, los resultados pueden permitir ensayos clínicos con una duración significativamente más corta y menos participantes, acelerando en última instancia el desarrollo de nuevas terapias. En términos de atención clínica, el enfoque puede ayudar en la evaluación de los pacientes con Parkinson en comunidades tradicionalmente desatendidas, incluyendo aquellos que viven en zonas rurales y aquellos con dificultad para salir de casa debido a la movilidad limitada o el deterioro cognitivo», apunta.

Fuente: Montevideo Portal