Conclusiones del Paquete de Trabajo sobre Parkinson (5)

Título:

Herramientas innovadoras para el diagnóstico objetivo de la enfermedad de Parkinson mediante sensores de movimiento y análisis de la actividad cerebral.

Socios:

BioRobotics Group del Consejo Superior de Investigaciones Científicas (https://biorobotics.car.upm-csic.es/), Inntegra (https://inntegra.es/), Technaid (https://www.technaid.com/), Starlab (https://www.starlab.es/)

Reto inicial:

El diagnóstico actual de la enfermedad de Parkinson se basa en escalas clínicas observacionales, lo que introduce subjetividad y variabilidad entre evaluaciones de diferentes expertos. Este proyecto busca reducir esa subjetividad mediante el uso de sensores avanzados y técnicas de inteligencia artificial, proporcionando una evaluación más objetiva y precisa de la enfermedad.

Potenciales beneficiarios:

Pacientes con enfermedad de Parkinson. Asociaciones de pacientes con enfermedad de Parkinson. Hospitales y clínicas con unidades de rehabilitación o trastornos del movimiento.

Tecnologías empleadas:

Dentro del proyecto se emplean diferentes tipos de sensores para medir el movimiento o la actividad eléctrica del cerebro, incluyendo, sensores inerciales (para medir el movimiento), sensores de electroencefalografía (para medir la actividad cerebral), sensores de electromiografía (para medir la actividad muscular), etc. Estos datos son analizados mediante Inteligencia artificial para identificar patrones que diferencien a los pacientes con Parkinson y evalúen su evolución a lo largo del tiempo.

Beneficios obtenidos o potenciales de la aplicación:

El objetivo es mejorar los procesos de diagnóstico y evaluación de la enfermedad de Parkinson, proporcionando a los clínicos herramientas que faciliten la toma de decisiones y mejoren la precisión diagnóstica.

Descripción del desarrollo:

El proyecto se centra en desarrollar aplicaciones y sensores innovadores para medir el movimiento y la actividad cerebral de los pacientes con Parkinson. Los pacientes son evaluados en tareas como caminar, levantarse de una silla o realizar actividades de concentración, mientras llevan los sensores. Los datos recogidos son analizados con sistemas de inteligencia artificial para identificar patrones y anomalías asociados con la enfermedad. El objetivo final es proporcionar herramientas que complementen las escalas clínicas observacionales, mejorando la toma de decisiones clínicas y la precisión del diagnóstico.