Los investigadores Manuel Hern\u00e1ndez, a la izquierda, Rachneet Kaur y Richard Sowers han desarrollado un algoritmo de aprendizaje autom\u00e1tico que podr\u00eda ayudar a los m\u00e9dicos a detectar problemas de marcha en personas con esclerosis m\u00faltiple y determinar si son un consecuencia de la enfermedad o del envejecimiento saludable. Cr\u00e9dito: L. Brian Stauffer <\/p>\n
Supervisar la progresi\u00f3n de los problemas de la marcha relacionados con la esclerosis m\u00faltiple puede ser un desaf\u00edo en adultos mayores de 50 a\u00f1os, lo que requiere que un m\u00e9dico diferencie entre los problemas relacionados con la EM y otros problemas relacionados con la edad. Para abordar este problema, los investigadores est\u00e1n integrando datos de marcha y aprendizaje autom\u00e1tico para mejorar las herramientas utilizadas para monitorear y predecir la progresi\u00f3n de la enfermedad. <\/p>\n
Un nuevo estudio de este enfoque dirigido por la estudiante de posgrado Rachneet Kaur de la Universidad de Illinois Urbana Champaign, el profesor de kinesiolog\u00eda y salud comunitaria Manuel Hern\u00e1ndez y el profesor de matem\u00e1ticas e ingenier\u00eda industrial y empresarial Richard Sowers se publica en la revista Institute of Electrical and Electronics Engineers Transactions en ingenier\u00eda biom\u00e9dica.<\/p>\n
La esclerosis m\u00faltiple 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 s\u00edntoma com\u00fan. Aproximadamente la mitad de los pacientes necesitan asistencia para caminar dentro de los 15 a\u00f1os posteriores al inicio, informa el estudio.<\/p>\n
\u00abQuer\u00edamos tener una idea de las interacciones entre el envejecimiento y los cambios relacionados con la enfermedad de EM concurrentes, y si tambi\u00e9n podemos diferenciar entre los dos en los adultos mayores con EM\u00bb, asegur\u00f3 Hern\u00e1ndez. \u00abLas t\u00e9cnicas de aprendizaje autom\u00e1tico parecen funcionar particularmente bien para detectar cambios ocultos complejos en el rendimiento. Nuestra hip\u00f3tesis es que estas t\u00e9cnicas de an\u00e1lisis tambi\u00e9n podr\u00edan ser \u00fatiles para predecir cambios repentinos en la forma de andar en personas con EM\u00bb.<\/p>\n
Uso de una cinta rodante instrumentada , el equipo recopil\u00f3 datos de marcha normalizados para el tama\u00f1o corporal y la demograf\u00eda de 20 adultos con EM y 20 adultos mayores sin EM de la misma edad, peso, altura y g\u00e9nero. Los participantes caminaron a un ritmo c\u00f3modo durante hasta 75 segundos mientras un software especializado capturaba los eventos de la marcha, las fuerzas de reacci\u00f3n del suelo correspondientes y las posiciones del centro de presi\u00f3n durante cada caminata. El equipo extrajo las caracter\u00edsticas espaciales, temporales y cin\u00e9ticas caracter\u00edsticas de cada participante en sus pasos para examinar las variaciones en la marcha durante cada prueba.<\/p>\n
Los cambios en varias caracter\u00edsticas de la marcha, incluida una caracter\u00edstica 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 presi\u00f3n para m\u00faltiples zancadas continuas durante la caminata de un sujeto y est\u00e1 asociado con funciones neurol\u00f3gicas cr\u00edticas, informa el estudio.<\/p>\n
\u00abNosotros estudiar la eficacia de un marco de aprendizaje autom\u00e1tico basado en la din\u00e1mica de la marcha para clasificar los pasos de personas mayores con EM a partir de controles sanos para generalizar a trav\u00e9s de diferentes tareas de caminar y sobre nuevos sujetos\u00bb, dijo Kaur. \u00abEsta metodolog\u00eda propuesta es un avance hacia el desarrollo de un marcador de evaluaci\u00f3n para que los profesionales m\u00e9dicos predigan que las personas mayores con EM probablemente tengan un empeoramiento de los s\u00edntomas a corto plazo\u00bb.<\/p>\n
Los estudios futuros pueden proporcionar ex\u00e1menes m\u00e1s completos. para gestionar el peque\u00f1o tama\u00f1o de la cohorte del estudio, dijo Sowers.<\/p>\n
\u00abLos sistemas biomec\u00e1nicos, como caminar, son sistemas mal modelados, lo que dificulta la detecci\u00f3n de problemas en un entorno cl\u00ednico\u00bb, dijo Sowers. \u00abEn este estudio, estamos tratando de extraer conclusiones de conjuntos de datos que incluyen muchas mediciones de cada individuo, pero un peque\u00f1o n\u00famero de individuos. Los resultados de este estudio marcan un avance significativo en el \u00e1rea de las estrategias de predicci\u00f3n de enfermedades basadas en el aprendizaje autom\u00e1tico cl\u00ednico. .\u00bb <\/p>\n
Explore m\u00e1s<\/p>\n
Las diferencias en los patrones de marcha podr\u00edan predecir el tipo de deterioro cognitivo en adultos mayores M\u00e1s informaci\u00f3n:<\/strong> 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 Informaci\u00f3n de la revista:<\/strong> IEEE Transactions on Biomedical Engineering <\/p>\n Proporcionado por la Universidad de Illinois en Urbana-Champaign Cita<\/strong>: El aprendizaje autom\u00e1tico ayuda a detectar problemas de marcha en individuos con esclerosis m\u00faltiple (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 est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Los investigadores Manuel Hern\u00e1ndez, a la izquierda, Rachneet Kaur y Richard Sowers han desarrollado un algoritmo de aprendizaje autom\u00e1tico que podr\u00eda ayudar a los m\u00e9dicos a detectar problemas de marcha en personas con esclerosis m\u00faltiple y determinar si son un consecuencia de la enfermedad o del envejecimiento saludable. Cr\u00e9dito: L. Brian Stauffer Supervisar la progresi\u00f3n … Continuar leyendo \u00abEl aprendizaje autom\u00e1tico ayuda a detectar problemas de marcha en personas con esclerosis m\u00faltiple\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-16958","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/16958","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=16958"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/16958\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=16958"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=16958"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=16958"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}