Investigadores de UCSF desarrollaron un método que utiliza video de teléfonos inteligentes para capturar y cuantificar síntomas motores de Parkinson y medir su gravedad.
En la actualidad existen diversos desafíos respecto a la enfermedad de Parkinson, uno de ellos es la medición precisa de la progresión de síntomas como temblores, rigidez o ralentización del movimiento. El tratamiento personalizado es necesario según el estado y la progresión de este trastorno neurológico en cada paciente.
Por ello la Universidad de California, San Francisco (UCSF), desarrolló un modelo de machine learning o aprendizaje automático basado en video, que es capaz de validar la gravedad de los síntomas motores en pacientes con Parkinson directamente en una clínica. En el estudio publicado en npj Parkinson’s Disease, los autores explican cómo este método busca entender cómo progresan los síntomas para ajustar tratamientos como medicamentos y estimulación cerebral profunda.
Para medir la progresión de los síntomas los médicos han utilizado ciertos signos clínicos para evaluar la gravedad de la enfermedad, sin embargo, estos métodos no son objetivos ni consistentes. Por ello, el uso de videos y machine learning ofrece una posible solución a esta problemática. Sin embargo, la tecnología de video usada para estos fines suele ser costosa y de difícil acceso.
En el estudio, los investigadores detallan la creación de una base de datos de movimientos y de un método basado en videos que puede predecir si los síntomas motores de un paciente son graves o leves. Este método es fácil de usar con dispositivos comunes como teléfonos inteligentes y cámaras digitales, lo que lo hace más accesible. Además, es fácil de entender para los médicos porque se basa en principios de machine learning que se centran en la claridad y la solidez de los resultados.
Para el desarrollo del modelo los investigadores utilizaron datos clínicos de 31 participantes con Parkinson previamente evaluados en la UCSF en un estudio de varios días. Cada paciente fue grabado de cuerpo completo caminando y realizando una tarea de golpeteo con los datos. Las grabaciones se tomaron en cuando los pacientes tomabas y dejaban de tomar medicamentos que mejoran los síntomas. Posteriormente, utilizando el software de visión artificial Google MediaPipe Solutions, extrajeron las posiciones de las articulaciones individuales en cada cuadro.
Además, este análisis permitió que los investigadores identificaron nuevos conocimientos clínicos como los movimientos del dedo meñique, las características esqueléticas y de las extremidades inferiores.
“Nuestro marco aborda muchas de las deficiencias de las investigaciones anteriores sobre la EP para crear una solución basada en video simple pero integral para cuantificar los síntomas de Parkinson”, dijo el coautor principal del estudio el Dr. Reza Abbasi-Asl, profesor adjunto de neurología de la UCSF. “Nuestro enfoque extrajo e identificó las características de movimiento más importantes y las utilizó para entrenar modelos de aprendizaje automático precisos para predecir estados de deterioro motor de baja y alta gravedad”, agregó.
Los investigadores buscan realizar nuevos estudios de seguimiento para continuar perfeccionando el marco y aumentar el grado de automatización. Para ello será necesario validarlo en cohortes más grandes y representativas. De igual forma, buscan incorporar modalidades motoras adicionales como expresiones faciales y habla.
“Usando videos estándar combinados con técnicas de inteligencia artificial interpretables, podemos ayudar a los neurólogos a tratar a pacientes con enfermedad de Parkinson y otros trastornos neurológicos del movimiento”, dijo el coautor principal del estudio, el Dr. Simon Little, profesor asociado de neurología de la UCSF. “Las lecturas objetivas basadas en videos de la gravedad de Parkinson podrían respaldar diagnósticos y tratamientos más rápidos y mejores en el futuro”, añadió.
