La enfermedad de Parkinson (EP) representa un desafío creciente para la salud pública a medida que la población envejece. El diagnóstico actual se basa en síntomas motores y procedimientos invasivos, lo que dificulta la detección temprana. Los síntomas que indican la etapa inicial del Parkinson incluyen pérdida del olfato, trastornos del …



La enfermedad de Parkinson (EP) representa un desafío creciente para la salud pública a medida que la población envejece. El diagnóstico actual se basa en síntomas motores y procedimientos invasivos, lo que dificulta la detección temprana. 

Los síntomas que indican la etapa inicial del Parkinson incluyen pérdida del olfato, trastornos del sueño, dificultades para escribir y cambios de humor, entre otros. En muchas ocasiones, tanto los pacientes como sus cuidadores pueden restar importancia a estos síntomas, lo que retrasa durante años la consulta con un neurólogo.  

Al respecto, científicos del Instituto Politécnico Rensselaer (RPI) de Nueva York (EEUU) han desarrollado un modelo de inteligencia artificial para optimizar y mejorar la detección de la EP, de modo que los médicos puedan derivar a los pacientes para que se les realicen pruebas en una fase inicial.

Se trata de Quest2Dx, capaz de analizar cuestionarios de salud para facilitar la detección de la enfermedad de Parkinson. El método es de bajo costo y no invasivo, según el equipo liderado por el prof. Pingkun Yan, jefe del Departamento de Ingeniería Biomédica de RPI.



Tal como se expone en En en ‘Nature Aging’, el sistema de IA Quest2Dx fue capaz de analizar extensos cuestionarios de salud con mayor precisión que otros modelos para detectar los primeros signos de la enfermedad de Parkinson. El marco de aprendizaje profundo fue diseñado para diferenciar entre las personas con síntomas de Parkinson y un grupo de control de personas sanas.

Además, se diseñó para abordar tres «desafíos técnicos clave«, según concretan los investigadores. Puede gestionar las respuestas faltantes, trabajar con múltiples cuestionarios con diferentes formulaciones, incluso si solo se ha entrenado con uno, y calcular los pares de preguntas y respuestas más relevantes para cada paciente.

«Los prometedores resultados de Quest2Dx sientan una base sólida para el desarrollo de modelos de detección basados ​​en inteligencia artificial a partir de datos autodeclarados, con el potencial de mejorar significativamente el diagnóstico precoz y la accesibilidad a diversas enfermedades en el futuro», según el equipo de investigación.

En cualquier caso, de acuerdo con sus responsables, el dispositivo Quest2Dx aún necesita perfeccionarse, ya que puede generar tanto falsos positivos como falsos negativos. Sin embargo, creen que, a medida que lo desarrollan, su modelo podría adaptarse para detectar muchas otras afecciones, incluidas las enfermedades cardiovasculares. 


SEGUIR LEYENDO