12 de Septiembre de 2022
Medicina

La inteligencia artificial detecta el párkinson a partir del análisis de la respiración nocturna

El análisis de los movimientos respiratorios durante el sueño mediante redes neuronales permite el diagnóstico temprano del párkinson y valorar su gravedad.

Las alteraciones en los movimientos respiratorios durante el sueño puede ser signos tempranos de la enfermedad de Parkinson. Foto [Istockphoto/Wavebreakmedia]

Tras el alzhéimer, el párkinson es la enfermedad neurodegenerativa más frecuente en el mundo. Entre 120.000 y 150.000 personas la sufren en España. El 70 por ciento de ellas tienen más de 65 años. Por ahora, no existe ningún biomarcador o prueba específica en el ámbito clínico que sea de utilidad para diagnosticar de forma clara y temprana esta dolencia o para hacer un seguimiento de su evolución. 

Para realizar el diagnóstico, los médicos dependen principalmente de la observación de ciertos signos clínicos: temblores, lentitud de movimientos, rigidez muscular... El problema es que cuando aparecen estos síntomas, las alteraciones en el cerebro suelen llevar ya varios años de evolución: entre el 50 y el 80 por ciento de las neuronas que producen dopamina ya han sufrido daños.

De media, se tarda entre uno y tres años en que una persona afectada por esta enfermedad reciba finalmente el diagnóstico. Además, el 25 por ciento de los pacientes diagnosticados tienen en realidad otra enfermedad que provoca síntomas similares. Todos estos factores complican el tratamiento, que no es curativo, pero puede paliar los signos y síntomas, o retrasar su aparición o empeoramiento.

Contar con una prueba capaz de detectar el párkinson de forma sencilla, barata y no invasiva permitiría realizar un tratamiento más precoz y quizás mejorar el pronóstico a largo plazo. En ese sentido, un reciente estudio, publicado en la revista Nature Medicine, muestra el potencial de una nueva técnica, llamada Katabi, que emplea la inteligencia artificial para diagnosticar el párkinson durante el sueño. 

Se sabe desde hace siglos que esta dolencia trastoca la respiración, con frecuencia años antes de que aparezcan los típicos signos motores. La primera persona que describió la enfermedad, el médico James Parkinson, ya documentó este hecho en 1817.  Así que los autores del nuevo estudio, liderado por científicos del Instituto Tecnológico de Massachusetts (MIT), pensaron que el análisis de los patrones respiratorios podía tener valor para el diagnóstico. 

Para tal fin, desarrollaron un conjunto de algoritmos conocidos como red neuronal: un sistema artificial de procesamiento de la información que simula, hasta cierto punto, el funcionamiento de las neuronas del cerebro. Esta red clasifica si una persona puede sufrir o no párkinson a partir de sus patrones de respiración nocturnos y valora cuál es su gravedad con el paso del tiempo. El sistema consta de un dispositivo de apariencia similar a un enrutador wifi, fijado a la pared, que emite y recibe señales de radio centrados en la superficie de la persona. Con estas señales, es posible registrar los movimientos respiratorios que realiza el individuo durante la noche sin molestias asociadas, ya que no tiene que llevar en el cuerpo ningún sensor.

Para entrenar a la red neuronal, los científicos reclutaron a 6954 voluntarios sanos y a 757 pacientes con párkinson. A partir de ellos, obtuvieron datos de casi 12.000 noches con más de 120.000 horas de señales de respiración nocturnas. Entre los registros, también se encontraban datos de personas que recibirían el diagnóstico de dicha enfermedad durante el transcurso del estudio. Para validar la precisión del sistema, se utilizó un grupo independiente de pacientes con párkinson, diferente del que se utilizó como entrenamiento para la inteligencia artificial.

La fiabilidad de Katabi depende del volumen de datos de respiración nocturnos de cada persona. De esta forma, tenía una precisión del 86 por ciento a la hora de detectar la enfermedad a partir de los registros de una sola noche. Con los datos de 12 noches, esta aumentaba al 95 por ciento. Además, el sistema fue capaz de predecir el párkinson en personas que aún no habían recibido un diagnóstico médico con una fiabilidad del 75 por ciento. Así, las personas con un elevado riesgo de sufrir la enfermedad debido a una predisposición genética son el colectivo que más podría beneficiarse de esta herramienta para detectarla de forma precoz.

Las grandes ventajas de este sistema son, por un lado, la comodidad, el bajo precio y la sencillez, pues ni siquiera es necesario que los pacientes acudan a un hospital, ya que pueden usarlo desde la comodidad del hogar. Por otro, este dispositivo permite hacer un seguimiento diario de la enfermedad y así detectar de forma rápida su empeoramiento. Por todas estas características, el sistema podría ser útil como herramienta para recopilar datos en los ensayos clínicos que valoren nuevos tratamientos frente al párkinson o para entornos con dificultades para acceder a hospitales (países en desarrollo, áreas rurales, etc.).

Pese al prometedor potencial de Katabi, aún son necesarios más estudios para confirmar su valor como sistema de diagnóstico. Por ahora, se desconoce si el dispositivo sigue teniendo una elevada precisión para los distintos subtipos de párkinson o si es capaz de diferenciar esta dolencia de otras enfermedades neurológicas. Por otra parte, la capacidad de Katabi para detectar la enfermedad y valorar su progresión debe validarse con un número mayor de pacientes, especialmente de aquellos que sufren párkinson, pero que aún no han recibido una valoración médica.

Esther Samper

Referencia: «Artificial intelligence-enabled detection and assessment of Parkinson’s disease using nocturnal breathing signals»; Yuzhe Yang et al. en Nature Medicine, publicado en línea, 22 de agosto de 2022.

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.

Responsable: Prensa Científica, S.A. Finalidad: enviarle por correo electrónico los boletines que haya solicitado recibir. Derechos: tiene derecho a acceder, rectificar y suprimir sus datos, así como a otros derechos, como se explica en la información adicional y detallada que puede consultar en nuestra Política de Privacidad.