Detectar el Parkinson a través de la escritura cotidiana
La enfermedad de Parkinson, el segundo trastorno neurodegenerativo más frecuente a nivel mundial, afecta el sistema nervioso central y deteriora progresivamente el control motor. Entre sus síntomas característicos se encuentran la rigidez muscular, el temblor en reposo, la inestabilidad postural y la lentitud del movimiento, lo que repercute en actividades que requieren coordinación, como la escritura a mano. Esta suele presentar alteraciones específicas, entre ellas la micrografía—una reducción anormal en el tamaño de la letra—y la disgrafía—dificultades en la producción motora de la escritura. Un estudio publicado recientemente en Diagnostics, realizado por Jeferson David Gallo-Aristizabal, Daniel Escobar-Grisales, Cristian David Ríos-Urrego, Jesús Francisco Vargas-Bonilla y Juan Rafael Orozco-Arroyave, investigadores del laboratorio GITA de la Universidad de Antioquia, y Adolfo García, director del Centro de Neurociencias Cognitivas (CNC) de la Universidad de San Andrés, presenta y compara dos herramientas para detectar síntomas de Parkinson de forma automatizada, a partir del análisis de la escritura.
El estudio incluyó a 51 personas con diagnóstico de Parkinson y 53 participantes sin antecedentes de la enfermedad. Todos debieron escribir los números del 0 al 9 utilizando una tablet digital. “Elegimos una tarea cotidiana, como escribir los dígitos de un documento de identidad, de modo que los resultados obtenidos puedan extrapolarse con mayor facilidad a otros contextos de escritura natural, como las basadas en palabras u oraciones”, señala Orozco-Arroyave, autor correspondiente del artículo. El estudio comparó dos enfoques. El primero consistió en entrenar un modelo de aprendizaje automático a partir de las imágenes de los dígitos manuscritos, para que distinga entre secuencias asociadas a personas con y sin Parkinson. El modelo fue previamente entrenado con una base de datos de 7.000 secuencias de dígitos manuscritos ajustados para simular el efecto de micrografía. “Los modelos de aprendizaje profundo basados en imágenes requieren grandes volúmenes de datos para identificar patrones de manera efectiva. En este caso, observamos que, al aumentar la cantidad de muestras reales, mejora significativamente la capacidad de distinción del sistema”, explica Gallo-Aristizabal, primer autor del trabajo.
Sin embargo, al centrarse solo en la imagen producida, este enfoque no capta con precisión las alteraciones motoras que afectan la dinámica de la escritura, como la velocidad, aceleración o fluidez. Por eso, el segundo enfoque del estudio se basó en el análisis de las señales captadas por los sensores del lápiz digital durante la escritura. A partir de estas señales se extrajeron características dinámicas, como la presión ejercida y los movimientos, tanto de los trazos como de las transiciones que realiza la mano entre la escritura de dígitos. Este enfoque permitió detectar síntomas relacionados con Parkinson con hasta un 13% más de precisión que el método basado en imágenes. En particular, la señal de presión mostró ser la más sensible a indicadores como la rigidez o los temblores.
Los investigadores destacan el potencial de estos hallazgos para el desarrollo de herramientas automatizadas de diagnóstico y monitoreo de la enfermedad de Parkinson. “Síntomas como la escritura lenta o la letra pequeña pueden tener múltiples causas: dificultades para iniciar el movimiento, falta de coordinación, o espasticidad o rigidez que afectan la presión. Cada uno de estos síntomas requiere un abordaje terapéutico distinto. Detectar con precisión dónde está la dificultad permite diseñar intervenciones terapéuticas más efectivamente”, concluye García, director del CNC.