El aprendizaje automático ayuda a detectar problemas de marcha en personas con esclerosis múltiple
Los investigadores Manuel Hernández, a la izquierda, Rachneet Kaur y Richard Sowers han desarrollado un algoritmo de aprendizaje automático que podría ayudar a los médicos a detectar problemas de marcha en personas con esclerosis múltiple y determinar si son un consecuencia de la enfermedad o del envejecimiento saludable. Crédito: L. Brian Stauffer
Supervisar la progresión de los problemas de la marcha relacionados con la esclerosis múltiple puede ser un desafío en adultos mayores de 50 años, lo que requiere que un médico diferencie entre los problemas relacionados con la EM y otros problemas relacionados con la edad. Para abordar este problema, los investigadores están integrando datos de marcha y aprendizaje automático para mejorar las herramientas utilizadas para monitorear y predecir la progresión de la enfermedad.
Un nuevo estudio de este enfoque dirigido por la estudiante de posgrado Rachneet Kaur de la Universidad de Illinois Urbana Champaign, el profesor de kinesiología y salud comunitaria Manuel Hernández y el profesor de matemáticas e ingeniería industrial y empresarial Richard Sowers se publica en la revista Institute of Electrical and Electronics Engineers Transactions en ingeniería biomédica.
La esclerosis múltiple puede presentarse de muchas maneras en los aproximadamente 2 millones de personas a las que afecta en todo el mundo, y los problemas para caminar son un síntoma común. Aproximadamente la mitad de los pacientes necesitan asistencia para caminar dentro de los 15 años posteriores al inicio, informa el estudio.
«Queríamos tener una idea de las interacciones entre el envejecimiento y los cambios relacionados con la enfermedad de EM concurrentes, y si también podemos diferenciar entre los dos en los adultos mayores con EM», aseguró Hernández. «Las técnicas de aprendizaje automático parecen funcionar particularmente bien para detectar cambios ocultos complejos en el rendimiento. Nuestra hipótesis es que estas técnicas de análisis también podrían ser útiles para predecir cambios repentinos en la forma de andar en personas con EM».
Uso de una cinta rodante instrumentada , el equipo recopiló datos de marcha normalizados para el tamaño corporal y la demografía de 20 adultos con EM y 20 adultos mayores sin EM de la misma edad, peso, altura y género. Los participantes caminaron a un ritmo cómodo durante hasta 75 segundos mientras un software especializado capturaba los eventos de la marcha, las fuerzas de reacción del suelo correspondientes y las posiciones del centro de presión durante cada caminata. El equipo extrajo las características espaciales, temporales y cinéticas características de cada participante en sus pasos para examinar las variaciones en la marcha durante cada prueba.
Los cambios en varias características de la marcha, incluida una característica de datos llamada diagrama de mariposa, ayudaron al equipo a detectar diferencias en los patrones de marcha entre los participantes. El diagrama obtiene su nombre de la curva en forma de mariposa creada a partir de la trayectoria repetida del centro de presión para múltiples zancadas continuas durante la caminata de un sujeto y está asociado con funciones neurológicas críticas, informa el estudio.
«Nosotros estudiar la eficacia de un marco de aprendizaje automático basado en la dinámica de la marcha para clasificar los pasos de personas mayores con EM a partir de controles sanos para generalizar a través de diferentes tareas de caminar y sobre nuevos sujetos», dijo Kaur. «Esta metodología propuesta es un avance hacia el desarrollo de un marcador de evaluación para que los profesionales médicos predigan que las personas mayores con EM probablemente tengan un empeoramiento de los síntomas a corto plazo».
Los estudios futuros pueden proporcionar exámenes más completos. para gestionar el pequeño tamaño de la cohorte del estudio, dijo Sowers.
«Los sistemas biomecánicos, como caminar, son sistemas mal modelados, lo que dificulta la detección de problemas en un entorno clínico», dijo Sowers. «En este estudio, estamos tratando de extraer conclusiones de conjuntos de datos que incluyen muchas mediciones de cada individuo, pero un pequeño número de individuos. Los resultados de este estudio marcan un avance significativo en el área de las estrategias de predicción de enfermedades basadas en el aprendizaje automático clínico. .»
Explore más
Las diferencias en los patrones de marcha podrían predecir el tipo de deterioro cognitivo en adultos mayores Más información: Rachneet Kaur et al, Predicting Multiple Sclerosis from Gait Dynamics Using an Instrumented Treadmill A Machine Learning Enfoque, IEEE Transactions on Biomedical Engineering (2020). DOI: 10.1109/TBME.2020.3048142 Información de la revista: IEEE Transactions on Biomedical Engineering
Proporcionado por la Universidad de Illinois en Urbana-Champaign Cita: El aprendizaje automático ayuda a detectar problemas de marcha en individuos con esclerosis múltiple (2021, 29 de marzo) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-machine-gait-problems-individuals-multiple.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.