El aprendizaje automático puede ayudar a los médicos a diagnosticar la enfermedad de Parkinson al observar los movimientos de los pacientes
La inmunohistoquímica para la alfa-sinucleína muestra una tinción positiva (marrón) de un cuerpo de Lewy intraneural en la sustancia negra en la enfermedad de Parkinson. Crédito: Wikipedia
Los científicos de Skoltech y el Centro Médico y Biofísico Federal AI Burnazyan han diseñado y desarrollado un sistema de segunda opinión basado en análisis de video asistido por IA que puede ayudar a los profesionales médicos a evaluar objetivamente a los pacientes con enfermedad de Parkinson (EP), incluso en una etapa temprana. Este enfoque puede ayudar a evitar el diagnóstico erróneo de esta enfermedad, distinguiendo entre sus etapas, ajustando la terapia y recomendando pacientes diagnosticados para cirugía de estimulación cerebral profunda. El artículo fue publicado en IEEE Sensors Journal.
Un número creciente de personas con enfermedades neurodegenerativas, debido al envejecimiento de la población, significará que en las próximas décadas, la humanidad podría enfrentarse a una auténtica pandemia de la enfermedad de Parkinson. La EP, actualmente la enfermedad neurodegenerativa de más rápido crecimiento, afecta la calidad de vida de los pacientes de manera bastante severa y necesita ser diagnosticada con la mayor precisión y lo antes posible. El desafío allí es distinguir entre el Parkinson y otras enfermedades con síntomas motores similares, por ejemplo, el temblor esencial. Hasta el momento, la enfermedad de Parkinson no tiene un biomarcador único que pueda usarse para diagnosticarla de manera consistente, y los médicos deben confiar en sus observaciones, lo que a menudo conduce a diagnósticos erróneos que se revelan en los exámenes patológicos.
El profesor asistente Andrey Somov y sus colegas crearon un llamado sistema de segunda opinión que utiliza algoritmos de aprendizaje automático para analizar grabaciones de video de pacientes que realizan tareas motoras específicas. En un pequeño estudio piloto, este sistema mostró un nivel de rendimiento muy alto para detectar casos potenciales de EP y distinguirlos del temblor esencial.
El sistema utiliza grabaciones de video, lo que hace que el proceso de diagnóstico sea rápido, discreto y cómodo para los pacientes. El equipo diseñó un conjunto de 15 ejercicios comunes como caminar, sentarse en una silla, ponerse de pie, doblar una toalla, llenar un vaso con agua y tocarse la nariz con el dedo índice. Estos fueron movimientos generales y más finos, ningún movimiento en absoluto (para evaluar el temblor en reposo) y algunas actividades que los médicos usan para evaluar el temblor.
«Los ejercicios se diseñaron bajo la supervisión de neurólogos y provinieron de varias fuentes diferentes, incluidas las escalas que se usan para monitorear la enfermedad de Parkinson e investigaciones previas realizadas en esta área. Cada ejercicio tenía un síntoma objetivo que podría revelar», Ekaterina Kovalenko, Skoltech Ph.D. estudiante y coautor del artículo, explicó.
En el estudio piloto se registraron 83 pacientes con o sin enfermedades neurodegenerativas realizando estas tareas. Luego, los videos se procesaron utilizando una pieza de software que coloca puntos clave en el cuerpo humano correspondientes a las articulaciones y otras partes del cuerpo, creando modelos simplificados de sujetos en movimiento. Estos fueron analizados utilizando técnicas de aprendizaje automático.
El equipo dice que el uso de video y aprendizaje automático introduce un cierto grado de objetividad en el proceso de diagnóstico, lo que permite a los investigadores y médicos detectar características muy específicas de la enfermedad y sus etapas que no son visibles para el ojo desnudo
«Nuestros resultados preliminares muestran potencial para mejorar el diagnóstico con la ayuda del análisis de video. Nuestro objetivo es brindar una segunda opinión a médicos y clínicos, no reemplazarlos. Un método basado en video quizás sea el más conveniente para los pacientes, ya que es el más versátil y no invasivo en comparación con varios sensores y pruebas», escriben los autores en su artículo.
«Los métodos de aprendizaje automático y visión por computadora que usamos en esta investigación ya están bien establecidos en varias aplicaciones médicas; se puede confiar en ellos, y los ejercicios de diagnóstico para la enfermedad de Parkinson han sido desarrollados por neurólogos durante algunos tiempo. Lo que es realmente nuevo en este estudio es nuestra clasificación cuantitativa de estos ejercicios de acuerdo con su contribución a un diagnóstico final preciso y específico. Esto solo podría lograrse en colaboración entre médicos, matemáticos e ingenieros», Dmitry Dylov, profesor asociado de Skoltech y coautor del estudio, dijo.
En estudios anteriores, el equipo de Somov también usó sensores portátiles en un estudio de viabilidad similar que les ayudó a detectar los ejercicios más informativos para el diagnóstico del Parkinson asistido por aprendizaje automático.
«Como parte del proceso de investigación, tuvimos la oportunidad de interactuar de cerca con médicos y personal médico, quienes compartieron sus ideas y experiencias. Fue fascinante observar cómo dos disciplinas aparentemente diferentes se unieron para ayudar a las personas. También tuvimos la oportunidad de monitorear todas las partes de la investigación, desde el diseño de la metodología hasta el análisis de datos y el aprendizaje automático», dijo Kovalenko.
«Esta colaboración entre médicos y científicos en el análisis de datos permite muchos matices y detalles clínicos importantes que ayudan a lograr los mejores resultados. Nosotros, como médicos, vemos un gran potencial en esto; además del diagnóstico diferencial, necesitamos herramientas objetivas para evaluar la fluctuación motora en pacientes con EP. Estas herramientas pueden proporcionar un enfoque más personalizado de la terapia y ayudar a tomar decisiones sobre las intervenciones neuroquirúrgicas, así como a evaluar los resultados de la cirugía más adelante», señaló la neuróloga Ekaterina Bril, coautora del artículo.
Andrey Somov dijo que el próximo objetivo del equipo es combinar el análisis de video y los datos de sensores en la tarea de detectar la EP y diagnosticar sus etapas. Esperan que esto mejore la precisión. «También tenemos en cuenta los aspectos de innovación de nuestro trabajo. Nuestro equipo está de acuerdo en que tiene sentido considerar convertir los resultados de nuestra investigación en un producto de software intuitivo. Creemos que nuestros esfuerzos conjuntos de investigación tendrán un efecto positivo para los pacientes con EP», dijo. adicional.
Explore más
Uso de un reloj inteligente para ayudar a detectar la progresión de la enfermedad de Parkinson Más información: Ekaterina Kovalenko et al. Distinguir entre la enfermedad de Parkinson y el temblor esencial a través del análisis de video mediante el aprendizaje automático: un estudio piloto, IEEE Sensors Journal (2020). DOI: 10.1109/JSEN.2020.3035240 Proporcionado por el Instituto Skolkovo de Ciencia y Tecnología Cita: El aprendizaje automático puede ayudar a los médicos a diagnosticar la enfermedad de Parkinson observando los movimientos de los pacientes (8 de febrero de 2021) consultado el 30 de agosto de 2022 en https ://medicalxpress.com/news/2021-02-machine-doctors-parkinson-disease-patients.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.