Investigadores del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, han desarrollado un dispositivo doméstico que monitoriza pasivamente la velocidad de la marcha del paciente de Parkinson al hacer rebotar señales de radio en su cuerpo, de modo que pueden rastrear la gravedad y la progresión de la enfermedad, así como la forma en que un paciente responde a la medicación, según publican en la revista ‘Science Translational Medicine’.

El Parkinson es una enfermedad neurodegenerativa que afecta ahora a más de 10 millones de personas en todo el mundo, sin embargo, los médicos todavía se enfrentan a enormes desafíos en el seguimiento de su gravedad y progresión.

Suelen evaluar a los pacientes poniendo a prueba sus habilidades motoras y funciones cognitivas durante las visitas a la clínica. Estas mediciones semisubjetivas suelen estar sesgadas por factores externos, como el cansancio del paciente tras un largo viaje al hospital.

Más del 40% de los individuos con la enfermedad de Parkinson nunca son tratados por un neurólogo o especialista en la enfermedad, a menudo porque viven demasiado lejos de un centro urbano o tienen dificultades para viajar.

Los investigadores del MIT mostraron un dispositivo casero que puede monitorear el movimiento y la velocidad de la marcha de un paciente, lo cual puede ser usado para evaluar la severidad y la progresión de la enfermedad de Parkinson y la respuesta del paciente a la medicación.

El aparato crea un “radar humano” que rastrea el movimiento de una persona en una habitación. Las ondas de radio viajan siempre 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, tiene el tamaño de un router Wi-Fi, recoge los datos de forma pasiva utilizando señales de radio que se reflejan en el cuerpo del paciente mientras se mueve por su casa. El paciente no necesita portar aparatos ni cambiar su comportamiento.

Los investigadores utilizaron el dispositivo para llevar a cabo dos estudios con un total de 50 participantes.

Demostraron que, al utilizar 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 clínico podría hacer un seguimiento de la progresión de la enfermedad del Parkinson de manera remota y más eficaz de lo que lo haría con evaluaciones periódicas en la clínica.

“Al ser capaz de tener un dispositivo en el hogar que puede monitorear a un paciente y decirle al médico de forma remota sobre la progresión de la enfermedad, y la respuesta de la medicación del paciente para que puedan atender al paciente, incluso si el paciente no puede acudir a la clínica. Ahora disponen de información real y fiable, lo que contribuye en gran medida a mejorar la equidad y el acceso”, afirma la autora principal, Dina Katabi, catedrática de Thuan y Nicole Pham en el Departamento de Ingeniería Eléctrica e Informática (EECS), e investigadora principal del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y la Clínica Jameel del MIT.

¿Cómo funciona?

El dispositivo incorpora un clasificador de aprendizaje automático que puede captar las señales de radio precisas que se reflejan en el paciente incluso cuando hay otras personas moviéndose por la habitación.

Unos sofisticados algoritmos utilizan estos datos de movimiento para calcular la velocidad de la marcha, es decir, lo rápido que camina la persona. Puesto que funciona en segundo plano y está en marcha las veinticuatro horas, todos los días, puede recoger 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 la enfermedad de Parkinson, y realizaron dos estudios de observación de las mediciones de la marcha en el hogar. Un estudio duró dos meses y el otro se llevó a cabo en el transcurso de dos años.

A través de los estudios, los investigadores recogieron más de 200.000 mediciones individuales que promediaron para suavizar la variabilidad debida a la condición del dispositivo u otros factores.

“Monitorizar al paciente de forma continua 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”, señalan los investigadores.

Al analizar estas variabilidades, se obtuvieron algunos datos clave. Por ejemplo, los investigadores pudieron comprobar que las fluctuaciones intradiarias de la velocidad de la marcha de un paciente se corresponden con su respuesta a la medicación: la velocidad de la marcha puede mejorar después de una dosis y empezar a disminuir tras un periodo de tiempo.

“Esto nos da realmente la posibilidad de medir objetivamente cómo responde su movilidad a la medicación. Antes, esto era casi imposible de hacer porque este efecto de la medicación sólo podía medirse haciendo que el paciente llevara un diario”, destaca Liu.

Así, un clínico podría utilizar estos datos para ajustar la dosis de la medicación de forma más eficaz y precisa. Esto es especialmente importante, ya que muchos de los fármacos utilizados para tratar los síntomas de la enfermedad pueden causar graves efectos secundarios si el paciente recibe una cantidad excesiva.

Los investigadores descubrieron que las mediciones derivadas de los dispositivos inalámbricos mostraron resultados estadísticamente significativos entre 30 participantes que fueron estudiados durante un año. En cambio, en un estudio de la Fundación Michael J. Fox, citado a menudo, participaron 800 personas y se les hizo un seguimiento durante más de cinco años, afirma Katabi.

“Para una empresa farmacéutica o de biotecnología que intente desarrollar medicamentos para esta enfermedad, esto podría reducir enormemente la carga y el coste y acelerar el desarrollo de nuevas terapias”, añade.

Estos conocimientos resultarán útiles a la hora de desplegar dispositivos en estudios a domicilio de otros trastornos neurológicos, como el Alzheimer, la ELA y el Huntington.

También quieren explorar cómo estos métodos podrían utilizarse, junto con otro trabajo del laboratorio de Katabi que muestra que la enfermedad de Parkinson puede diagnosticarse mediante la monitorización de la respiración, para recoger un conjunto holístico de marcadores que podrían diagnosticar la enfermedad de forma temprana y luego utilizarse para su seguimiento y tratamiento.