El aprendizaje automático de los algoritmos para detectar Parkinson

El Deep Learning o Aprendizaje Automático es una de las tecnologías que mayor desarrollo ha tenido en la última década. Su aplicación se pueden dar en diversos sectores como la medicina, las finanzas o la industria. En este artículo, veremos cómo el aprendizaje automático de ciertos algoritmos es capaz de detectar etapas iniciales del Parkinson. ¿Quieres conocer más sobre este tema? Entonces, ¡sigue leyendo!

Detección precoz del Parkinson

Un estudio publicado por la revista Frontiers in Neuroscience ha hecho saltar todas las alarmas del ámbito médico y del deep learning. Esto se debe a que un grupo de investigadores han descubierto un biomarcador de la etapa inicial del parkinson. Estos investigadores pertenecen al Laboratorio de Procesado de Imagen de la Universidad de Valladolid, la Universidad de Texas, y el City College de Nueva York. 

Como explican en el estudio, antes de la detección del parkinson, se producen una serie de signos motores. Estos pueden ser una disminución de la capacidad motora, temblores o vocalizaciones anormales típicas del sueño REM. Otros signos pueden ser el estreñimiento, la hiposmia o los cambios en la visión. Esto se denomina la fase prodrómica de la enfermedad. Se considera que estos signos pueden aparecer incluso 10 años antes de esta enfermedad neurodegenerativa. 

Biomarcadores y técnicas de diagnóstico

Los investigadores de la UVa, Óscar Peña Nogales y Rodrigo de Luis García, hablan de las limitaciones para identificar esta enfermedad. Explican que no existen técnicas simples y no invasivas para identificar cambios neurodegenerativos que puedan estar relacionados con el parkinson. Por ello, dicen que es necesario desarrollar biomarcadores y técnicas que den pie al diagnóstico de pacientes en la etapa prodrómica. Esto es esencial, ya que la aplicación temprana de terapias de ralentización o detenimiento de la enfermedad es clave para su éxito. 

Las resonancias magnéticas son increíblemente poderosas para el estudio del cerebro en estos casos. Son técnicas no invasivas e inocuas, que permiten obtener grandes cantidades de información sobre la morfología, función y conectividad de las distintas zonas del cerebro. Por esto, el Laboratorio de Procesado de Imagen de la UVa lleva estudiando varios años su aplicación a distintas enfermedades, como la migraña o la esquizofrenia. 

Aprendizaje automático aplicado al parkinson

En el caso de la detección precoz del parkinson, se utilizó una modalidad de resonancia magnética llamada resonancia de difusión. Un proceso llamado tractografía, permite saber cómo están conectadas entre sí distintas áreas del cerebro. Toda la información que se recoge se recoge en un conectoma, información que se puede explotar posteriormente. A lo largo de un año, los investigadores vieron cómo evolucionaron cada uno de los sujetos del estudio. Con la información obtenida, entrenaron un algoritmo de aprendizaje automático o deep learning. ¿Su función? Aprender a distinguir entre la evolución de las personas sanas y la de personas con parkinson. 

A continuación, el algoritmo se probó con un tercer grupo. Se descubrió que este, podría distinguir entre las personas sanas y las personas susceptibles a tener parkinson prodrómico. Un hecho inédito hasta la actualidad. Tras este análisis, los investigadores establecieron un umbral. Dividieron a los pacientes susceptibles a tener parkinson prodrómico en 2 grupos: los que desarrollarían la enfermedad, y los que no. A partir de estos modelos, y a lo largo de un año y medio, se vió cómo las métricas empeoraron en los pacientes clasificados en posible desarrollo de parkinson. Sin embargo, las métricas se mantuvieron constantes con el otro grupo.

Importancia de un diagnóstico prematuro

A pesar de ser un estudio inédito en el campo de la medicina y el deep learning, es necesario seguir mejorándolo. Ya que el estudio se realizó con un número de pacientes reducido, y el algoritmo se puede seguir refinando. La mejora es posible si se analiza la evolución de la conectividad cerebral de las personas a lo largo del tiempo. De esta manera, se podrían identificar con precisión las personas susceptibles a la fase prodrómica de la enfermedad. El mayor obstáculo para que este tipo de estudios se trasladen a la práctica clínica es la cantidad de dinero que requieren.

Es de gran importancia avanzar en el diagnóstico temprano de enfermedades neurodegenerativas como el parkinson. Por ello, es necesario contar con profesionales cualificados para su estudio. Su estudio no es solo un ámbito médico, sino que también tiene mucho que ver el aprendizaje automático. Si te interesa este campo tecnológico, te ofrecemos el Máster en Deep Learning de la Universidad de Alcalá.