IBM describe la investigación de IA para medir la progresión de la enfermedad de Parkinson


IBM ha progresado en el desarrollo de métodos para evaluar la gravedad de los síntomas de Parkinson mediante el análisis de la actividad física con un deterioro motor creciente. En un artículo publicado en la revista Nature Scientific Reports científicos de IBM Research, Pfizer, el Centro Spivack de Neurociencia Clínica y Traslacional y Tufts produjeron representaciones estadísticas del movimiento de pacientes que podrían ser evaluados con IA ya sea en Clínica o de un entorno más natural, como el hogar de un paciente. En la conferencia Machine Learning in Healthcare 2020 (MLHC), IBM y la Fundación Michael J. Fox planean detallar un modelo de progresión de la enfermedad que especifica cuánto ha progresado la enfermedad de Parkinson de una persona.

El sistema motor humano se basa en una serie de movimientos discretos, como balancear los brazos al caminar, correr o trotar para realizar tareas. Estos movimientos y las transiciones asociadas crean patrones de actividad que se pueden medir y analizar para detectar signos de Parkinson, una enfermedad que se espera que afecte a casi 1 millón de personas solo en los Estados Unidos este año. Las medidas físicas de los pacientes con Parkinson difieren de las que se encuentran en los no pacientes, y el crecimiento de estas desviaciones marca la progresión de la enfermedad con el tiempo.

Con la ayuda de este estudio, los coautores del estudio Nature Scientific Reports desarrollaron una medición desatendida de la tecnología de IA que genera mediciones de la calidad del movimiento. (El aprendizaje no supervisado es un tipo de aprendizaje automático que busca patrones previamente no reconocidos en un conjunto de datos sin etiquetas existentes y con un mínimo de supervisión humana). Convirtieron señales continuas de dispositivos portátiles en una serie de "sílabas", que ocurre con frecuencia en sujetos sanos, lo que se convirtió en parte de un repertorio motor aprendido, con secuencias parciales que se distribuyeron en varias acciones. La distribución estadística derivada de las transiciones entre sílabas era un signo de comportamiento saludable; Se han observado secuencias de símbolos desorganizadas en pacientes con Parkinson.

  IBM Parkinson

Arriba: el movimiento del brazo al caminar se puede convertir en una serie de movimientos discretos en la muñeca.

Crédito de la foto: IBM

Los investigadores La técnica les permitió estimar el deterioro de la marcha y la gravedad de los síntomas de Parkinson al detectar cada vez más transiciones desorganizadas entre los movimientos. En el transcurso de varios experimentos, se ha aplicado a datos de estudios previos recopilados de personas (1) diagnosticadas con Parkinson en un examen neurológico estándar, (2) participantes sanos que utilizan el mismo procedimiento y (3) personas con Parkinson con comportamiento casual en el hogar .

El enfoque desatendido demostró ser extremadamente eficiente y requirió datos de menos de 10 minutos de actividad en promedio para producir estimaciones estables. Quizás lo más importante, los investigadores afirman que si se usa en la producción, permitiría una evaluación 24/7 de la condición neurológica de una persona y la comparación de evaluaciones tanto en el entorno clínico como en el hogar. Esto contrasta con los diagnósticos existentes de Parkinson, como la Escala de calificación de la enfermedad de Parkinson unificada de la Sociedad de Trastornos del Movimiento, que generalmente se mide solo unas pocas veces al año, son de naturaleza subjetiva y se basan en gran medida en el autoinforme de los pacientes.

Hay un interés creciente expandir las posibilidades de la telemedicina para que los pacientes que son particularmente susceptibles al COVID-19 puedan quedarse en casa. Nuestra investigación muestra cómo un neurólogo puede evaluar con precisión a los pacientes de Parkinson a distancia ", escribió el investigador asociado de IBM Vittorio Caggiano y el ingeniero investigador asociado Avner Abrami en una publicación de blog que describe el estudio. "El beneficio adicional de este escenario es que los exámenes telemédicos se pueden realizar con más frecuencia de lo que es posible cuando los pacientes necesitan ver el consultorio de un médico".

El artículo de IBM Nature Scientific Reports fue parte del proyecto Bluesky de la compañía con Pfizer, que se lanzó en 2016 con el objetivo de desarrollar un sistema para mejorar los ensayos clínicos de los fármacos en desarrollo de Parkinson. La función de IBM era desarrollar algoritmos que permitieran a los sistemas analizar los datos recopilados de los participantes del estudio.

Colaboración entre la Fundación Michael J. Fox

En un estudio complementario que se presentará en el MLHC, IBM y los investigadores de la Fundación Michael J. Fox crearon una familia de algoritmos que tienen en cuenta los factores que afectan la apariencia externa puede enmascarar la enfermedad de Parkinson de una persona, p. B. Medicamentos que pueden aliviar los temblores y mejorar el control. IBM señala en una próxima publicación de blog que a menudo es difícil para los médicos comprender hasta qué punto la enfermedad ha progresado porque la biología subyacente del Parkinson aún no se comprende completamente.

El enfoque de los investigadores se basa en una probabilidad. El marco se denomina modelo de Markov oculto y utiliza inferencias de variación para aprender efectos personalizados. Después de aprender el modelo, se puede obtener información al interpretar las variables del modelo para aprender más sobre la enfermedad y al analizar las predicciones para una cohorte específica de pacientes.

Aunque el trabajo fue motivado por la enfermedad de Parkinson, los investigadores esperan que genere estímulos similares.Investigación sobre otras enfermedades como diabetes, Alzheimer y esclerosis lateral amiotrófica (ELA). En el trabajo futuro, planean centrarse en los conocimientos que han obtenido al aplicar modelos a los datos recopilados por la Iniciativa de marcadores de progresión de Parkinson, el estudio de observación en curso de Parkinson de la Fundación Michael J Fox.

IBM y la Fundación Michael J. Fox comenzaron a colaborar en la investigación del Parkinson por primera vez en 2019 para comprender mejor el Parkinson y el camino que puede tomar para los pacientes. Las organizaciones han publicado estudios de experimentos con IA para analizar los cambios en la comprensión del habla que podrían distinguir a los pacientes de Parkinson de las personas sanas, y los esfuerzos para desarrollar algoritmos de aprendizaje automático que puedan detectar y analizar las variaciones en el habla del paciente a largo plazo. IBM también desarrolló un prototipo de un sensor de uña que puede usarse para rastrear, monitorear y diagnosticar movimientos y trastornos neurodegenerativos.

“A pesar de muchos avances en el tratamiento de enfermedades crónicas, muchas preguntas siguen sin respuesta. Una mejor comprensión de las enfermedades crónicas podría permitir una mejor gestión de la atención al paciente y un desarrollo de medicamentos más rápido y eficiente como resultado de ensayos clínicos mejor diseñados ", escribió IBM en una próxima publicación de blog.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *