En un esfuerzo por abordar estos problemas, los investigadores del Instituto Tecnológico de Massachusetts (MIT) y otros lugares demostraron mediante un dispositivo doméstico que es posible monitorear el movimiento y la velocidad de la marcha de un paciente, y que se puede usar para evaluar la gravedad del Parkinson, la progresión de la enfermedad y la respuesta del paciente a la medicación.
El dispositivo, que tiene aproximadamente el tamaño de un enrutador Wi-Fi, recopila datos de forma pasiva mediante señales de radio que se reflejan en el cuerpo del paciente mientras se mueve por su casa. El paciente no necesita usar un aparato o cambiar su comportamiento. (Un estudio reciente, por ejemplo, mostró que este tipo de dispositivo podría usarse para detectar el Parkinson a partir de los patrones de respiración de una persona mientras duerme).
Los investigadores utilizaron estos dispositivos para realizar un estudio de un año en el hogar con 50 participantes. Mostraron que, mediante el uso de algoritmos de aprendizaje automático, fue posible analizar la gran cantidad de datos que recopilaron de forma pasiva (más de 200.000 mediciones de la velocidad de la marcha). Un médico podría realizar un seguimiento de la progresión del Parkinson y la respuesta a la medicación de manera más efectiva que con evaluaciones periódicas en la clínica.
“Al poder tener un dispositivo en el hogar que pueda monitorear a un paciente y decirle al médico de forma remota sobre la progresión de la enfermedad y la respuesta del paciente a la medicación, y poder atenderlo incluso si el paciente no puede ir a la clínica, ahora tienen información real y confiable, que en realidad contribuye en gran medida a mejorar la equidad y el acceso ", dice la autora principal Dina Katabi, profesora de Thuan y Nicole Pham en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS), y un investigador principal en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y la Clínica MIT Jameel.. Los coautores principales son los estudiantes graduados de la EECS Yingcheng Liu y Guo Zhang. La investigación se publica hoy en Science Translational Medicine .
Un radar humano
Este trabajo utiliza un dispositivo inalámbrico desarrollado previamente en el laboratorio de Katabi que analiza las señales de radio que rebotan en los cuerpos de las personas. Transmite señales que utilizan una pequeña fracción de la potencia de un enrutador Wi-Fi; estas señales de muy baja potencia no interfieren con otros dispositivos inalámbricos en el hogar. Mientras que las señales de radio atraviesan paredes y otros objetos sólidos, se reflejan en los humanos debido al agua en nuestros cuerpos.
Esto crea un "radar humano" que puede rastrear el movimiento de una persona en una habitación. Las ondas de radio siempre viajan a la misma velocidad, por lo que el tiempo que tardan las señales en reflejarse en el dispositivo indica cómo se mueve la persona.
El dispositivo incorpora un clasificador de aprendizaje automático que puede seleccionar las señales de radio precisas reflejadas en el paciente incluso cuando hay otras personas moviéndose por la habitación. Los algoritmos avanzados utilizan estos datos de movimiento para calcular la velocidad de la marcha: qué tan rápido camina la persona.
Debido a que el dispositivo funciona en segundo plano y funciona todo el día, todos los días, puede recopilar una gran cantidad de datos. Los investigadores querían ver si podían aplicar el aprendizaje automático a estos conjuntos de datos para obtener información sobre la enfermedad a lo largo del tiempo.
Reunieron a 50 participantes, 34 de los cuales tenían Parkinson, y realizaron un estudio de un año de medidas de la marcha en el hogar. A través del estudio, los investigadores recopilaron más de 200.000 medidas individuales que promediaron para suavizar la variabilidad debida a las condiciones irrelevantes para el enfermedad. (Por ejemplo, un paciente puede darse prisa para contestar una alarma o caminar más lento cuando habla por teléfono).
Utilizaron métodos estadísticos para analizar los datos y descubrieron que la velocidad de la marcha en el hogar se puede utilizar para realizar un seguimiento eficaz de la progresión y la gravedad del Parkinson. Por ejemplo, demostraron que la velocidad de la marcha disminuyó casi el doble de rápido en las personas con Parkinson, en comparación con las que no lo tenían.
“El seguimiento continuo del paciente mientras se mueve por la habitación nos permitió obtener mediciones realmente buenas de su velocidad de marcha. Y con tantos datos, pudimos realizar una agregación que nos permitió ver diferencias muy pequeñas”, dice Zhang.
Resultados mejores y más rápidos
Profundizar en estas variabilidades ofreció algunas ideas clave. Por ejemplo, los investigadores demostraron que las fluctuaciones diarias en la velocidad al caminar de un paciente se corresponden con la forma en que responde a su medicamento: la velocidad al caminar puede mejorar después de una dosis y luego comenzar a disminuir después de unas horas, a medida que desaparece el efecto del medicamento.
“Esto nos permite medir objetivamente cómo responde su movilidad a su medicación. Anteriormente, esto era muy engorroso porque el efecto de este medicamento solo podía medirse haciendo que el paciente llevara un diario”, dice Liu.
Un médico podría utilizar estos datos para ajustar la dosis de medicación de forma más eficaz y precisa. Esto es especialmente importante ya que los medicamentos que se usan para tratar los síntomas de la enfermedad pueden causar efectos secundarios graves si el paciente recibe demasiados.
Los investigadores pudieron demostrar resultados estadísticamente significativos con respecto a la progresión del Parkinson después de estudiar a 50 personas durante solo un año. Por el contrario, un estudio citado con frecuencia por la Fundación Michael J. Fox involucró a más de 500 personas y las supervisó durante más de cinco años, dice Katabi.
“Para una empresa farmacéutica o biotecnológica que intente desarrollar medicamentos para esta enfermedad, esto podría reducir en gran medida la carga y el costo y acelerar el desarrollo de nuevas terapias”, agrega.
Katabi atribuye gran parte del éxito del estudio al equipo dedicado de científicos y médicos que trabajaron juntos para abordar las muchas dificultades que surgieron en el camino. Por un lado, comenzaron el estudio antes de la pandemia de covid-19, por lo que los miembros del equipo visitaron inicialmente los hogares de las personas para configurar los dispositivos. Cuando eso ya no fue posible, desarrollaron una aplicación de teléfono fácil de usar para ayudar de forma remota a los participantes mientras implementaban el dispositivo en casa.
A lo largo del estudio, aprendieron a automatizar procesos y reducir el esfuerzo, especialmente para los participantes y el equipo clínico.
Este conocimiento resultará útil cuando busquen implementar dispositivos en estudios en el hogar de otros trastornos neurológicos, como el Alzheimer, la ELA y la enfermedad de Huntington. También quieren explorar cómo se podrían usar estos métodos, junto con otro trabajo del laboratorio de Katabi que muestra que el Parkinson se puede diagnosticar mediante el control de la respiración, para recopilar un conjunto holístico de marcadores que podrían diagnosticar la enfermedad temprano y luego usarse para rastrear y tratarlo.
"Este sensor de ondas de radio puede permitir que más atención (e investigación) migre de los hospitales al hogar donde más se desea y se necesita", dice Ray Dorsey, profesor de neurología en el Centro Médico de la Universidad de Rochester, coautor de Ending Parkinson's y coautor de este trabajo de investigación. “Su potencial apenas comienza a verse. Estamos avanzando hacia un día en el que podamos diagnosticar y predecir enfermedades en el hogar. En el futuro, incluso podremos predecir e idealmente prevenir eventos como caídas y ataques cardíacos”.
Este trabajo cuenta con el apoyo, en parte, de los Institutos Nacionales de Salud y la Fundación Michael J. Fox.
FUENTE :
