La enfermedad de Parkinson es la enfermedad neurodegenerativa de más rápido crecimiento, que ahora afecta a más de 10 millones de personas en todo el mundo, sin embargo, los médicos aún enfrentan grandes desafíos para rastrear su gravedad y progresión.

Los médicos suelen evaluar a los pacientes probando sus habilidades motoras y funciones cognitivas durante las visitas a la clínica. Estas mediciones semisubjetivas a menudo están sesgadas por factores externos, tal vez un paciente está cansado después de un largo viaje al hospital. Más del 40 por ciento de las personas con Parkinson nunca son tratadas por un neurólogo o un especialista en Parkinson, a menudo porque viven demasiado lejos de un centro urbano o tienen dificultades para viajar.

En un esfuerzo por abordar estos problemas. 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 dos estudios en los que participaron un total de 50 participantes. Demostraron que, mediante el uso de algoritmos de aprendizaje automático para analizar la gran cantidad de datos que recopilaron (más de 200 000 mediciones de la velocidad de la marcha), un médico podría rastrear la progresión del Parkinson de manera más efectiva que con evaluaciones periódicas en 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 e Informática (EECS), e 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 EECS Yingcheng Liu y Guo Zhang. La investigación se publica 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 sofisticados 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 dos estudios observacionales de mediciones de la marcha en el hogar. Un estudio duró dos meses y el otro se realizó en el transcurso de dos años. A través de los estudios, los investigadores recolectaron más de 200,000 mediciones individuales que promediaron para suavizar la variabilidad debida a la condición del dispositivo u otros factores. (Por ejemplo, el dispositivo puede apagarse accidentalmente durante la limpieza, o un paciente puede caminar más despacio 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 pudieron ver que las fluctuaciones intradiarias en la velocidad de la marcha de un paciente se corresponden con la forma en que responde a su medicación : la velocidad de la marcha puede mejorar después de una dosis y luego comenzar a disminuir después de un período de tiempo.

«Esto realmente nos da la posibilidad de medir objetivamente cómo responde su movilidad a su medicamento. Anteriormente, esto era casi imposible de hacer 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 muchos medicamentos que se usan para tratar los síntomas de la enfermedad pueden causar efectos secundarios graves si el paciente recibe demasiado.

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 a menudo por la Fundación Michael J. Fox involucró a más de 500 personas y las supervisó durante más de cinco años, dice Katabi.

«Para una compañía 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 ingenieros ingresaron inicialmente a los hogares de las personas para configurar los dispositivos. Cuando eso ya no fue posible, desarrollaron un método para implementar dispositivos de forma remota y crearon una aplicación fácil de usar para participantes y médicos.

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 trabajo cuenta con el apoyo, en parte, de los Institutos Nacionales de Salud y la Fundación Michael J. Fox.