Evaluación de un sistema de identificación de fluctuaciones (estado ON/OFF) en enfermos de Parkinson

• Autores: Mercedes Barrachina Fernández
• Directores de la Tesis: Juan Pablo Romero Muñoz (codir. tes.) , Carmen Sánchez Avila (codir. tes.)
• Lectura: En la Universidad Politécnica de Madrid ( España ) en 2024
• Idioma: español
• Tribunal Calificador de la Tesis: José Manuel Moya Fernández (presid.) , Ignacio Oropesa García (secret.) , Javier Pagonabarraga Mora (voc.) , Raúl Martínez Fernández (voc.) , Alberto De Santos Sierra (voc.)
• Programa de doctorado: Programa de Doctorado en Ingeniería Biomédica por la Universidad Politécnica de Madrid
• Calificación: Sobresaliente
• Enlaces
  • Tesis en acceso abierto en: Archivo Digital UPM
• Resumen

  • La enfermedad de Parkinson (EP) es el segundo trastorno neurogenerativo más común en todo el mundo y su prevalencia anual de nuevos casos oscila entre 5 y 35 por 100.000 habitantes. Las manifestaciones de la EP son diversas e incluyen síntomas motores y no motores. Los síntomas no motores pueden afectar los sistemas neuropsiquiátrico, cardiovascular, autónomo, genitourinario y otros. En general, los síntomas no motores se subestiman y no se reconocen al definir la estrategia de tratamiento.\\ La evaluación precisa de los síntomas motores y no motores es crucial para el diagnóstico y seguimiento de la enfermedad, así como para los ajustes del tratamiento. Sin embargo, la evaluación de los pacientes con EP suele realizarse clínicamente, lo que aumenta la probabilidad de inexactitud si la realizan médicos no especializados. Además, a pesar de que los síntomas motores y no motores suelen mejorar en respuesta al tratamiento con levodopa, a medida que avanza la enfermedad, la respuesta a la medicación fluctúa durante el día. Esto determina que la detección y/o predicción de las fluctuaciones de los síntomas es fundamental para ajustar adecuadamente el manejo terapéutico. Sin embargo, la detección de tales fluctuaciones suele depender de la capacidad del paciente para recordar estos períodos durante los últimos días, lo que puede dar lugar a imprecisiones y/o subregistro.\\ Las bioseñales o señales médicas se han convertido en una fuente de datos del paciente, que aportan información sobre cómo están funcionando sus diferentes órganos y sistemas y permite analizar factores como los celulares, los bioquímicos, los moleculares y que facilitan información sobre las enfermedades que está sufriendo el paciente o que podría sufrir en un futuro. El tratamiento de estas señales comenzó hace más de 50 años, focalizando el estudio en la señal del electrocardiograma y desde entonces, las investigaciones sobre la extracción de características de esta y otras señales no ha hecho nada más que crecer. Por otro lado, la inteligencia artificial (IA) es un término general que implica el uso de una computadora para modelar un comportamiento inteligente con una mínima intervención humana y esto hace que su uso en la medicina tenga aplicaciones infinitas. Sus principales ramas de aplicación son la virtual y la física. El componente virtual está representado por la aplicación de métodos de aprendizaje automático (o Machine Learning) que mejoran el aprendizaje de los mismos a través de la experiencia. El segundo componente, es el físico, es decir la creación y utilización de dispositivos médicos y robots, que cada vez son más sofisticados teniendo como último fin una mejor atención al paciente. Este trabajo se centra en comenzar estudiando una de las bioseñales más relacionadas con el sistema simpático, la señal electrodermal y entender cuáles son sus características más relevantes y aplicaciones frecuentes. Posteriormente, se identifican los principales síntomas asociados al Parkinson, criterios de diagnóstico y diferentes tratamientos. En enfermos de Parkinson se ha investigado la utilización de múltiples bioseñales, sin embargo, el uso de medidas de conductancia de la piel no se ha revisado sistemáticamente, por lo que se procederá a realizar un estudio para entender las medidas utilizadas, el objetivo principal de la adquisición, el dispositivo utilizado para registrarla y los métodos de procesamiento y análisis de dichas señales. Actualmente hay diferentes dispositivos enfocados en identificar las características de la EP, que realizan una evaluación de los síntomas motores y que ayudan en el manejo de la enfermedad. La identificación de las fluctuaciones de los síntomas es clave para mejorar la vida del paciente, por tanto, este trabajo investigó , el uso de sensores para identificar los estados de ON/OFF en pacientes con EP, y evaluar la aplicación de técnicas de ML para diferenciar entre los estados de ON/OFF. // Una vez concluido este análisis teórico, se van a proponer diferentes modelos para modelizar los estados ON/OFF en pacientes de Parkinson, usando modelos basados en SVM y diferentes configuraciones de redes neuronales. El último paso de este estudio se centra en realizar un análisis exploratorio de la relación existente en la señal electrodermal y la señal del electroencefralograma también en pacientes de Parkinson, buscando definir correlaciones que podrían ser utilizadas en futuras líneas de investigación. Finalmente, se detallan las principales conclusiones y líneas de futuras para continuar este trabajo.