El nuevo modelo de IA del MIT puede detectar con éxito la enfermedad de Parkinson

Los investigadores del MIT han desarrollado un modelo de inteligencia artificial de investigación temprana que ha demostrado éxito en la detección de la enfermedad de Parkinson a partir de los patrones de respiración. El modelo se basa en datos recopilados por un dispositivo que detecta patrones de respiración sin contacto mediante ondas de radio. Los trastornos neurológicos son algunas de las principales fuentes de discapacidad a nivel mundial y la enfermedad de Parkinson es la enfermedad neurológica de más rápido crecimiento en el mundo. El Parkinson es difícil de diagnosticar ya que el diagnóstico se basa principalmente en la aparición de síntomas como temblores y lentitud, pero estos síntomas suelen aparecer varios años después del inicio de la enfermedad. El modelo también estimó la gravedad y la progresión de la enfermedad de Parkinson, de acuerdo con la Escala de calificación de la enfermedad de Parkinson unificada de la Sociedad de Trastornos del Movimiento (MDS-UPDRS), que es la escala de calificación estándar utilizada clínicamente. Los resultados de la investigación han sido publicados en la revista Nature Medicine. Los investigadores entrenaron el modelo utilizando datos de respiración nocturna (datos recopilados mientras los sujetos dormían) de varios hospitales en los EE. UU. y algunos conjuntos de datos públicos. Después de entrenar el modelo, lo probaron en un conjunto de datos que no se usó en el entrenamiento y descubrieron que diagnosticaba la enfermedad de Parkinson con una precisión de aproximadamente el 90 por ciento cuando analiza los datos de una noche de sueño de un paciente. Descubrieron que la precisión del modelo mejora al 95 por ciento cuando analiza los datos de sueño de 12 noches. La relación entre el Parkinson y la respiración se conoce desde 1817, tal y como observó James Parkinson en su investigación. También ha habido investigaciones previas sobre cómo los pacientes de Parkinson desarrollan trastornos de la respiración durante el sueño, debilidad en la función de los músculos respiratorios y degeneración en las áreas del tronco encefálico que controlan la respiración.

Primeras etapas

Si bien el modelo del MIT es prometedor, todavía se encuentra en una etapa temprana de desarrollo. “Aunque todos los conjuntos de datos son de los Estados Unidos, notamos que los conjuntos de datos tienen diferentes razas y etnias. Sin embargo, creemos que es deseable validar más el modelo en conjuntos de datos más diversos de otros países. Nos encantaría colaborar con institutos médicos en India y otros países para extender la investigación a esas comunidades”, dijo Dina Katabi, coautora del artículo, a indianexpress.com por correo electrónico. Actualmente, el modelo de IA se prueba utilizando datos de un cinturón de respiración portátil que se usa durante la polisomnografía (estudio del sueño) o un dispositivo especializado desarrollado por Katabi y otros investigadores llamado “Dispositivo de radio esmeralda”. Puede ver una demostración en vivo de cómo el dispositivo puede capturar patrones de respiración a continuación.
Pero existe la posibilidad de usar datos de otros dispositivos que capturen datos de respiración con suficiente precisión. “Cualquier dispositivo que pueda obtener señales de respiración con precisión sería adecuado para usar con nuestro modelo de IA. Los smartphones de hoy en día no obtienen una señal de respiración lo suficientemente precisa, pero se percibe que pueden hacerlo. De cualquier manera, obtener señales de respiración precisas es fácil con nuestro dispositivo de radio o con un cinturón de respiración”, agregó Katabi. Actualmente no existe una cura para la enfermedad de Parkinson, pero Katabi prevé que el uso de esta tecnología para el diagnóstico podría acortar significativamente los ensayos clínicos de posibles tratamientos, lo que podría acelerar su desarrollo. Además, este modelo podría usarse potencialmente para la evaluación en comunidades desatendidas, especialmente para aquellos que viven en áreas sin acceso médico significativo y para pacientes que tienen dificultades para salir de sus hogares debido a la progresión de la enfermedad. Los investigadores también creen que el trabajo y la tecnología podrían potencialmente extenderse para detectar otras enfermedades neurológicas, como la enfermedad de Alzheimer. “Pero se necesita más investigación y experimentación antes de llegar a una conclusión firme sobre si eso es posible”, comentó Katabi.