Una investigación desarrollada por la Universidad de Oxford ha demostrado de manera pionera la efectividad y precisión de los algoritmos de aprendizaje automático en el seguimiento progresivo de la enfermedad de Parkinson (EP). El trabajo llevado a cabo por el equipo de investigadores de la universidad británica se centra en algoritmos especialmente preparados para analizar datos derivados de diferentes sensores incorporados a los propios pacientes durante su quehacer diario.
No en vano, durante los últimos años, los sensores portátiles se han convertido en una herramienta muy prometedora para la captación de datos acerca del estado motor de los enfermos de esta patología neurodegenerativa. La portabilidad y asequibilidad de los sensores portátiles permiten evaluar las características espacio-temporales de la marcha y el equilibrio en el laboratorio o la clínica, y de forma remota desde la propia comodidad del hogar de los pacientes. Con ello, la actual estrategia pasa por utilizar estas mediciones cinemáticas detalladas y personalizadas para individualizar las herramientas de diagnóstico y pronóstico de enfermedades, así como medir la eficacia del tratamiento.
No toda esta información resulta significativa a la hora de desarrollar un análisis del diagnóstico y el tratamiento clínico preferente asociado a cada enfermo
Sin embargo, la mayoría de los dispositivos portátiles utilizados para monitorizar a los pacientes con EP desprenden una cantidad tremenda de datos objetivos. No toda esta información resulta significativa a la hora de desarrollar un análisis del diagnóstico y el tratamiento clínico preferente asociado a cada enfermo. Por ello, este ámbito venía demandando una serie de pasos iniciales destinados a reducir las características de estos datos sin mermar la sensibilidad de las conclusiones y evitar posibles errores de cálculo en la evaluación de la información recogida.
En este sentido, el estudio dirigido por la profesora Chrystalina Antoniades en el Departamento de Neurociencias Clínicas de Nuffield de Oxford, habilita a los médicos a poder utilizar sus novedosos métodos complementariamente con las escalas de calificación clínica más tradicionales; no sólo para mejorar la precisión del diagnóstico, sino también para realizar un seguimiento de la progresión de la enfermedad de Parkinson. Actualmente, esta progresión se controla mediante escalas de calificación clínica que se utilizan para evaluar los síntomas cardinales motores y no motores, siendo el estándar de referencia la Escala Unificada de Calificación de la Enfermedad de Parkinson de la Sociedad de Trastornos del Movimiento.
En el caso de la enfermedad de Parkinson, así como en cualquier otra patología asociada a trastornos neurológicos en la persona, la capacidad de monitorizar la progresión de los síntomas motores resulta de gran importancia. Por un lado, esto proporciona a los profesionales médicos la confianza en su evaluación de cómo progresa la enfermedad en pacientes individuales. Por otra parte, monitorizar la evolución de la EP facilita a los investigadores que realizan ensayos clínicos poder analizar la eficacia en el funcionando las intervenciones terapéuticas propuestas.
El proceso que conlleva impulsar un nuevo fármaco para una enfermedad como el párkinson implica una importante inversión de tiempo
En esta línea, la reciente investigación de Oxford constituye un avance importante también para el desarrollo efectivo de los análisis clínicos. Así, el proceso que conlleva impulsar un nuevo fármaco para una enfermedad como el párkinson implica una importante inversión de tiempo –años desde su desarrollo inicial hasta su uso clínico- y un elevado consumo de recursos. Además, muchos de estos fármacos que sobre el papel resultan prometedores en el laboratorio, terminan por no funcionar a la hora de ser aplicados en el paciente. Una circunstancia que la nueva herramienta de medición objetiva pretende solucionar.
"Actualmente, los médicos utilizan escalas de calificación (sistemas de puntuación basados en un examen físico) para evaluar los síntomas clave de las personas con enfermedad de Parkinson. Un problema con esto es que hay un elemento de subjetividad en la evaluación y es posible que diferentes médicos no proporcionen puntuaciones idénticas. Otro problema es que las escalas no están espaciadas uniformemente: la diferencia entre puntuaciones de 30 y 40 puede no ser la misma que la diferencia entre 40 y 50, por ejemplo. Esto significa que la detección de la progresión de la enfermedad podría retrasarse y, en los ensayos clínicos, los tipos de análisis estadísticos que se pueden realizar con los datos podrían verse restringidos”, desvela Chrystalina Antoniades.
Quedando ya demostrado que el análisis de datos de dispositivos portátiles mediante algoritmos de aprendizaje automático puede ayudar a realizar un diagnóstico más preciso
Con la idea de avanzar en el abordaje del párkinson y subsanar los actuales problemas de análisis, el laboratorio de NeuroMetrología del profesor Antoniades ha estado llevando a cabo experimentos para evaluar si los dispositivos sensores que llevan los pacientes en el tronco, las muñecas y los pies, que combinados con el aprendizaje automático, pueden rastrear la progresión de los síntomas motores con mayor precisión que las escalas de calificación tradicionales, según se ha podido desprender de la investigación. Quedando ya demostrado que el análisis de datos de dispositivos portátiles mediante algoritmos de aprendizaje automático puede ayudar a realizar un diagnóstico más preciso.
Con todo ello, durante este nuevo estudio de la Universidad de Oxford, los investigadores preguntaron si era posible utilizar los datos recopilados durante las tareas de caminar y estar de pie no sólo para diagnosticar sino también para rastrear la progresión temporal de los síntomas motores en la enfermedad de Parkinson. Los participantes del estudio fueron evaluados intensivamente con visitas a la clínica cada tres meses, para que el equipo pudiera determinar el tiempo más corto durante el cual su análisis podría detectar la progresión de la enfermedad. Finalmente, advirtieron que con su técnica se podía detectar la progresión en tan solo 15 meses.