Evaluación basada en el aprendizaje automático de los síntomas de la enfermedad de Parkinson utilizando sensores...

Área de la Ciencia:

• Ingeniería biomédica
• Neurociencia computacional
• Salud digital

Sus antecedentes:

• El tratamiento de la enfermedad de Parkinson (EP) requiere una evaluación precisa de la gravedad de los síntomas.
• Los sensores portátiles y de teléfonos inteligentes ofrecen un potencial de recopilación de datos objetivo y continuo.
• Los métodos actuales de monitoreo de la EP pueden ser subjetivos y poco frecuentes.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir la gravedad de los síntomas de la enfermedad de Parkinson.
• Evaluar la utilidad de los datos de los sensores portátiles y los teléfonos inteligentes.
• Para comparar la efectividad de las evaluaciones clínicas frente a las autoevaluaciones de los pacientes como etiquetas.

Principales métodos:

• Utilizó algoritmos de aprendizaje automático para analizar datos de sensores de dispositivos portátiles y teléfonos inteligentes.
• Se modela la gravedad de los síntomas individuales (tremor, bradicinesia, rigidez, discinesia) y el estado general del paciente.
• Empleó tanto las calificaciones clínicas como los datos autoinformados de los pacientes como etiquetas de verdad.
• Investigó el impacto de la combinación de datos de sensores multimodales en la precisión de las predicciones.

Principales resultados:

• El mejor rendimiento del modelo se logró mediante la integración de datos tanto del brazalete MYO como de los sensores del teléfono inteligente.
• El uso de las autoevaluaciones de los pacientes como etiquetas objetivo resultó en un rendimiento superior del modelo en comparación con las evaluaciones clínicas.
• El temblor fue el síntoma predicho con mayor precisión.
• La precisión de la predicción para otros síntomas, particularmente en niveles de mayor gravedad, fue limitada debido al desequilibrio del conjunto de datos y la subrepresentación.

Conclusiones:

• La fusión de datos del sensor multimodal mejora significativamente la precisión de la predicción de los síntomas de la enfermedad de Parkinson.
• Las autoevaluaciones de los pacientes son objetivos valiosos para los modelos de aprendizaje automático en el monitoreo de la EP.
• La investigación adicional requiere conjuntos de datos más grandes y equilibrados para mejorar la predicción en todas las severidades y tipos de síntomas.