Aprendizaje profundo para la estimación objetiva de la gravedad del temblor parkinsoniano

La evaluación precisa del temblor parkinsoniano es vital para monitorear la progresión de la enfermedad y evaluar la eficacia del tratamiento. Presentamos un modelo de aprendizaje profundo basado en píxeles diseñado para analizar el temblor postural en la enfermedad de Parkinson (EP) a partir de datos de video, superando las limitaciones de las técnicas tradicionales de estimación de pose. Entrenado con 2,742 evaluaciones de cinco centros especializados en trastornos del movimiento en dos continentes, el modelo demostró una concordancia robusta con las evaluaciones clínicas. Predijo eficazmente los efectos del tratamiento con levodopa y estimulación cerebral profunda (ECP), detectó asimetría lateral de los síntomas y diferenciò entre diferentes severidades del temblor. El análisis del espacio de características reveló una distribución no lineal y estructurada de la gravedad del temblor, con puntuaciones de baja gravedad ocupando una mayor porción del espacio de características. El modelo también identificó eficazmente videos atípicos, sugiriendo su potencial para el aprendizaje adaptativo y el control de calidad en entornos clínicos. Nuestro enfoque ofrece un método escalable y objetivo para la puntuación del temblor, con potencial de integración en otras evaluaciones motoras de MDS-UPDRS, incluyendo bradicinesia y marcha. La adaptabilidad y el rendimiento del sistema resaltan su promesa para el monitoreo longitudinal de alta frecuencia de los síntomas de EP, complementando la experiencia clínica y mejorando la toma de decisiones en la gestión de pacientes. Trabajos futuros ampliarán esta metodología basada en píxeles a otros síntomas cardinales de la EP, con el objetivo de desarrollar un modelo integral y multisimptomático para la evaluación automática de la gravedad de la enfermedad de Parkinson.