Investigadores de la UCSF desarrollan programas personalizados de estimulación cerebral profunda para reducir problemas al caminar.
Un equipo de investigadores de la Universidad de California en San Francisco (UCSF) desarrolló una nueva estrategia para mejorar la capacidad de caminar en personas con enfermedad de Parkinson, combinando estimulación cerebral profunda o deep brain stimulation (DBS) con inteligencia artificial (IA). El enfoque permitió ajustar de manera personalizada los impulsos eléctricos enviados al cerebro, logrando mejoras significativas en la marcha sin agravar otros síntomas motores.
La estimulación cerebral profunda es un tratamiento que utiliza un dispositivo implantado mediante una cirugía mínimamente invasiva. A través de electrodos muy delgados colocados en regiones específicas del cerebro y conectados a un generador de impulsos en el pecho, se envían señales eléctricas que ayudan a regular la actividad neuronal alterada. En pacientes con Parkinson, esta técnica se usa para tratar temblores, rigidez y lentitud de movimientos, aunque tradicionalmente ha tenido resultados limitados en los problemas para caminar.
Los trastornos de la marcha asociados al Parkinson incluyen pasos cortos y arrastrados, dificultad para girar, asimetrías entre las piernas y episodios de congelamiento, que aumentan el riesgo de caídas. Estos problemas están relacionados con alteraciones en los patrones de ondas cerebrales que dificultan el control del movimiento. Ante la falta de tratamientos eficaces para este síntoma en particular, el equipo de UCSF exploró nuevas formas de programar la DBS, modificando el ritmo y la intensidad de la estimulación específicamente para la marcha.
El estudio analizó la caminata de los pacientes desde dos perspectivas: clínica y neurofisiológica. Para ello, los investigadores utilizaron sensores de movimiento portátiles y registros de actividad cerebral mientras los participantes realizaban ejercicios de caminata. Con estos datos, desarrollaron un Índice de Desempeño de la Marcha, que integra mediciones como el balanceo de los brazos, la velocidad al caminar, la variabilidad del paso y la simetría entre ambas piernas, permitiendo evaluar de forma objetiva si la marcha mejoraba o empeoraba.
Asimismo, la IA artificial fue clave para analizar grandes volúmenes de datos y determinar qué configuraciones de DBS funcionaban mejor para cada persona. Mediante algoritmos de aprendizaje automático, el sistema identificó patrones y predijo los parámetros de estimulación más efectivos de manera individual. Los resultados mostraron que no existe una configuración única: algunos pacientes respondieron mejor a frecuencias altas, mientras que otros obtuvieron mayores beneficios con frecuencias más bajas.
Además de mejorar la marcha, el análisis neurofisiológico permitió identificar ondas cerebrales asociadas con mejor desempeño al caminar, lo que podría guiar futuras programaciones de la estimulación. En los participantes del estudio, los ajustes personalizados se tradujeron en pasos más rápidos y estables, sin empeorar otros síntomas del Parkinson.
Los investigadores trabajan ahora en el desarrollo de un sistema de DBS adaptativo o de “circuito cerrado”, que permita cambiar automáticamente a la configuración optimizada para la marcha cuando la persona camina y regresar a la estimulación estándar en otras situaciones. El objetivo es mejorar la movilidad, reducir las caídas y aumentar la calidad de vida de las personas que viven con enfermedad de Parkinson.
