Relojes inteligentes podrían identificar la enfermedad de Parkinson años antes de que aparezcan síntomas

La enfermedad de Parkinson afecta a las células cerebrales conocidas como neuronas dopaminérgicas, ubicadas predominantemente en un área llamada sustancia negra. Esta condición conduce a síntomas motores como temblores, inflexibilidad o rigidez y movimientos lentos. Desafortunadamente, cuando estos síntomas clásicos de la enfemedad de Parkinson se hacen evidentes y facilitan el diagnóstico clínico, más de la mitad de las células de la sustancia negra ya han muerto. En consecuencia, existe una necesidad urgente de métodos rentables, confiables y fácilmente disponibles para detectar cambios tempranos, lo que permite la intervención antes de que la enfermedad cause un daño cerebral extenso. Ahora, una nueva investigación ha revelado que los relojes inteligentes podrían identificar potencialmente la enfermedad de Parkinson hasta siete años antes de la aparición de los síntomas característicos y el diagnóstico clínico.

Un estudio dirigido por científicos de la Universidad de Cardiff (Gales, Reino Unido) analizó los datos recopilados por los relojes inteligentes durante una semana, centrándose en la velocidad de los movimientos de los participantes. Los investigadores examinaron los datos derivados de 103.712 participantes del Biobanco del Reino Unido que usaron relojes inteligentes de grado médico durante una semana entre 2013 y 2016. Estos dispositivos midieron continuamente la aceleración promedio o la velocidad de movimiento durante el lapso de siete días. El equipo comparó los datos de un subconjunto de participantes ya diagnosticados con la enfermedad de Parkinson con otro grupo diagnosticado hasta siete años después de la recopilación de datos del reloj inteligente. También compararon estos grupos con individuos sanos de la misma edad y sexo.

Los investigadores descubrieron que podían predecir con precisión, utilizando inteligencia artificial (IA), quién eventualmente desarrollaría la enfermedad de Parkinson. No solo pudieron diferenciar a estos participantes de los controles sanos, sino que también demostraron que la IA podía identificar a las personas de la población general que luego desarrollarían Parkinson. Se descubrió que este método es más preciso que cualquier otro factor de riesgo o signo temprano de enfermedad reconocido para predecir el desarrollo de la enfermedad de Parkinson. El modelo de aprendizaje automático también fue capaz de predecir el tiempo hasta el diagnóstico. Según los investigadores, esto podría servir como una nueva herramienta de detección para la enfermedad de Parkinson, facilitando la detección en etapas mucho más tempranas de lo que permiten los métodos actuales.

“Los datos de los relojes inteligentes son fácilmente accesibles y de bajo costo. A partir de 2020, alrededor del 30 por ciento de la población del Reino Unido usa relojes inteligentes. Mediante el uso de este tipo de datos, potencialmente podríamos identificar a las personas en las primeras etapas de la enfermedad de Parkinson dentro de la población general”, dijo la líder del estudio, la Dra. Cynthia Sandor, líder emergente del Instituto de Investigación de la Demencia del Reino Unido en la Universidad de Cardiff.

“Hemos demostrado aquí que una sola semana de datos capturados puede predecir eventos hasta siete años en el futuro. Con estos resultados podríamos desarrollar una valiosa herramienta de detección para ayudar en la detección temprana de la enfermedad de Parkinson. Esto tiene implicaciones tanto para la investigación, en la mejora del reclutamiento para los ensayos clínicos, como en la práctica clínica, al permitir que los pacientes accedan a los tratamientos en una etapa más temprana, en el futuro, cuando tales tratamientos estén disponibles”, agregó la Dra. Sandor.

Enlaces relacionados:
Universidad de Cardiff  

Visitar la expo >

Miembro Oro

SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test

SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)

Miembro Oro

12-Channel ECG

CM1200B

New

LED Surgical Light

Convelar 1670 LED+/1675 LED+/1677 LED+

New

Documentation System For Blood Banks

HettInfo II