Investigadores del MIT desarrollaron un dispositivo con la apariencia de un router de WiFi, que utiliza Inteligencia Artificial (IA), parala detección de Parkinson a través de patrones de respiración durante el sueño.
Un estudio publicado en Nature Medicine, titulado “Detección y evaluación de la enfermedad de Parkinson mediante inteligencia artificial utilizando señales de respiración nocturna”, mostró el desarrollo de un modelo de IA que permite detectar la enfermedad de Parkinson y rastrear su progresión por medio de patrones de respiración nocturna.
Los investigadores explicaron que no existen biomarcadores efectivos para diagnosticar Parkinson o rastrear su progresión. Por ello desarrollaron un modelo de IA que pudiera realizar estas tareas a partir de señales de respiración nocturna registradas por medio de un dispositivo.
El modelo fue evaluado en un conjunto de datos de 7,671 personas de varios hospitales de Estados Unidos y otros conjuntos de datos públicos. La herramienta se trata de una red neuronal de algoritmos conectados que imitan el funcionamiento de un cerebro humano, Esta red es capaz de medir la gravedad de la enfermedad y hacer evaluaciones de la progresión de la enfermedad a lo largo del tiempo.
Los investigadores médicos han intentado durante años potenciales herramientas para la detección y diagnóstico de Parkinson, por ejemplo, utilizando líquido cefalorraquídeo y neuroimágenes. No obstante, la mayoría de estos métodos además de ser costosos e invasivos, requieren el acceso de pacientes a centros médicos especializados.
A través de un dispositivo con apariencia de un router de WiFi doméstico e IA, fue posible monitorear los patrones de respiración de pacientes mientras duermen. El dispositivo emite señales de radio y extrae los patrones de respiración del sujeto sin necesidad de ninguna intervención física. Posteriormente, la señal de la respiración es enviada a la red neuronal para evaluar pasivamente el Parkinson.
“Algunos estudios médicos han demostrado que los síntomas respiratorios se manifiestan años antes que los síntomas motores, lo que significa que los atributos respiratorios podrían ser prometedores para la evaluación de riesgos antes del diagnóstico de Parkinson”, explicó, Dina Katabi del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) del MIT.
Katabi agrega que el estudio también tiene implicaciones relevantes para el desarrollo de fármacos contra la enfermedad y para la atención clínica. “En términos de desarrollo de fármacos, los resultados pueden permitir ensayos clínicos con una duración significativamente más corta y menos participantes, lo que en última instancia acelerará el desarrollo de nuevas terapias”, explica. En cuanto a la atención clínica, este modelo puede ayudar a la evaluación de pacientes en comunidades desatendidas y con menores recursos para acceder a hospitales especializados.
Consulta el estudio completo en el siguiente enlace: https://www.nature.com/articles/s41591-022-01932-x
