La enfermedad de Parkinson es un trastorno neurodegenerativo que se manifiesta a través de síntomas como temblor, movimientos lentos, rigidez de las extremidades y problemas de marcha y equilibrio. Como tal, casi todas las pruebas de diagnóstico giran en torno a cómo se mueve un paciente y requiere que el paciente camine por largas distancias y cantidades de tiempo. La incomodidad causada a los pacientes por este tipo de pruebas es inaceptable, según un equipo internacional de investigadores con sede en Arabia Saudita y Suecia.
Propusieron un nuevo tipo de análisis computacional basado en pruebas menos exigentes físicamente en IEEE / CAA Journal of Automatica Sinica, una publicación conjunta del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) y la Asociación China de Automatización (CAA).
«Además de los datos de la marcha y el equilibrio, se ha propuesto la medición de series de tiempo de pulsaciones de teclas de la computadora que contienen información del tiempo de espera que ocurre entre presionar y soltar una tecla para detectar las primeras etapas de la enfermedad de Parkinson», dijo Tuan D. Pham, autor del artículo y profesor de ingeniería biomédica en el Centro de Ciencia y Visualización de Imágenes Médicas en la Universidad de Linköping en Suecia.
La enfermedad en sí no es mortal, pero las complicaciones de la enfermedad de Parkinson pueden ser graves. Afecta a aproximadamente 10 millones de personas en todo el mundo, y la enfermedad puede tardar años en progresar a un estado sintomático, lo que hace que la detección temprana sea una prioridad para los investigadores.
En este experimento, los sujetos presionan uno o dos botones en un dispositivo, como un iPhone, lo más rápido posible durante un corto período de tiempo. Pham y el equipo tomaron estos datos y los analizaron a través de gráficos de recurrencia difusos, que toman múltiples puntos de datos de series de tiempo corto y los traducen en imágenes bidimensionales de textura en escala de grises.
En la imagen, los puntos relacionados aparecen como un gris denso, con puntos de datos más dispares cada vez más difusos. El algoritmo utilizado para las gráficas de recurrencia difusa aprende cómo se conectan los puntos de datos y puede ayudar a proporcionar diferencias y similitudes en los grupos de sujetos, como las personas con enfermedad de Parkinson temprana y las que no.
El equipo planea seguir estudiando el uso de gráficos de recurrencia difusos y mejorar el algoritmo para determinar mejor el estado de la enfermedad de un sujeto. También planean extender la investigación para estudiar la dinámica de la marcha de pacientes con enfermedad de Parkinson, enfermedad de Huntington y esclerosis lateral amiotrófica, también conocida como enfermedad de Lou Gehrig.
Fuente: AAAS.
fecha:
