Sensores detectan automáticamente la disminución de la respuesta a la medicación en pacientes con Parkinson (Med Eng Phy)


  • Noticias Médicas
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Investigadores de la Facultad de Ingeniería y Ciencias de la Computación de la Universidad Atlántica de Florida (Estados Unidos) han desarrollado una innovadora forma de detectar y monitorizar automáticamente los periodos en los que los pacientes con Parkinson responden menos a la medicación, produciendo las conocidas fluctuaciones motoras.

Para ello, han combinado un algoritmo y un sistema basado en sensores que detecta estos patrones en pacientes con Parkinson utilizando dos sensores de movimiento portátiles colocados en la muñeca y el tobillo del paciente.

Una de las complicaciones más frecuentes en los pacientes con Parkinson son las fluctuaciones motoras, que se producen en el 50% de los pacientes diagnosticados en un plazo de 3 a 5 años y en el 80% en un plazo de 10 años. La aparición de estas fluctuaciones motoras es un punto crítico en el manejo de la enfermedad porque requiere ajustes continuos en el tratamiento, como cambiar la frecuencia y la dosis o cambiar los parámetros para la estimulación cerebral profunda.

En la actualidad, las fluctuaciones motoras se abordan con exámenes clínicos breves o con la toma de historiales adecuados y autoinformes de los pacientes. Incluso en ese punto, los autoinformes pueden ser poco fiables y los exámenes clínicos pueden no ser prácticos, especialmente en las zonas rurales. Los pacientes a menudo requieren visitas de seguimiento frecuentes con su neurólogo.

Para el estudio, publicado en Medical Engineering and Physics, estos sensores recogieron señales de movimiento mientras los pacientes realizaban siete actividades de la vida diaria, como caminar o vestirse en las fases de fluctuación de la respuesta de los medicamentos. El algoritmo fue entrenado usando aproximadamente el 15% de los datos de cuatro actividades y probado en los datos restantes.

Los resultados revelan que el algoritmo fue capaz de detectar la respuesta a la medicación durante las actividades rutinarias diarias de los sujetos con un promedio de 90,5% de precisión, 94,2% de sensibilidad y 85,4% de especificidad.