Este Nuevo Test Podría Diagnosticar el Parkinson Usando IA
Un nuevo modelo de inteligencia artificial (IA) que analiza videos cortos de sonrisas logró una alta precisión en la detección de la enfermedad de Parkinson (EP), según una investigación publicada por Tariq Adnan, M.Sc., y sus colegas en el New England Journal of Medicine (NEJM) el jueves. Este modelo fue entrenado con el mayor conjunto de datos de videos de expresiones faciales conocido hasta la fecha, inscribiendo a 1,452 participantes, incluidos 391 que viven con Parkinson.
La investigación reportó una precisión general del 87.9% al detectar EP utilizando solo el análisis de videos de sonrisas. Los investigadores informaron que el modelo de IA podría distinguir con precisión entre personas con y sin Parkinson basado en el análisis de sus sonrisas, incluso cuando se aplicó en muestras poblacionales diversas de América del Norte y Bangladesh.
Importancia de la Investigación
La Fundación Parkinson estima que este año se diagnosticarán a 90,000 personas más, y el número de quienes sufren esta enfermedad se espera que alcance alrededor de 1.2 millones para 2030. Diagnosticar la enfermedad de Parkinson de manera temprana sigue siendo un desafío significativo debido a la limitada accesibilidad a la experiencia clínica y a las evaluaciones en persona.
Las herramientas de cribado remoto impulsadas por IA prometen soluciones escalables y rentables para abordar estas brechas en el sistema de salud. Los hallazgos están alineados con la creciente demanda de soluciones de salud digital que eliminan barreras geográficas y económicas para el diagnóstico temprano de enfermedades neurológicas, lo que es especialmente relevante para las comunidades rurales y desatendidas en Estados Unidos.
Detalles del Estudio
El nuevo método de cribado invitó a los participantes a grabarse imitando expresiones faciales, incluida una sonrisa, utilizando una plataforma en línea. Los equipos de investigación luego extrajeron puntos de referencia faciales y midieron unidades de acción para cuantificar la hipomimia, un síntoma motor común en el Parkinson donde el movimiento de los músculos faciales se reduce.
Los modelos de aprendizaje automático se desarrollaron utilizando estas características, diferenciando a las personas con Parkinson de aquellas sin la enfermedad. Este enfoque se basó en una estrategia de reclutamiento amplia, involucrando a participantes de América del Norte a través de redes sociales, correo electrónico, centros de bienestar y registros de investigación, junto con un grupo de alto riesgo de Bangladesh.
Resultados y Reacciones
El modelo, entrenado exclusivamente en videos de sonrisas, logró una precisión validada de 87.9% en un estudio de validación cruzada de diez pliegues, una sensibilidad de 76.8% y una especificidad de 91.4%. La validación en conjuntos de datos de prueba externos reveló una precisión del 80.3% en un conjunto de datos de una clínica en EE. UU. y del 85.3% en el grupo de Bangladesh.
Aunque el valor predictivo negativo se mantuvo por encima del 92% en todos los escenarios, el valor predictivo positivo cayó al 35.7% entre los participantes bengalíes, reflejando variaciones en las características poblacionales. El estudio no encontró diferencias significativas en el rendimiento del modelo entre sexos y subgrupos étnicos, excepto por una precisión ligeramente mayor en las participantes femeninas en Bangladesh.
Tariq Adnan, M.Sc., autor principal, comentó en la conclusión del estudio: "Los videos de sonrisas pueden diferenciar eficazmente entre individuos con y sin Parkinson, ofreciendo una forma potencialmente fácil, accesible y rentable de evaluar la enfermedad, especialmente cuando el acceso al diagnóstico clínico es limitado."
Próximos Pasos
Los próximos pasos para el equipo de investigación incluyen la validación más amplia del método de cribado de IA en poblaciones adicionales y del mundo real, así como el perfeccionamiento del algoritmo para maximizar la precisión en la detección temprana. Las vías regulatorias y de traducción clínica determinarán si y cuándo esta tecnología estará disponible en el sistema de salud de EE. UU.
Para más contenido especializado, suscríbete a nuestro boletín.
Comments ()